典型文献
数据驱动下风电–抽蓄联合参与日前–实时市场随机鲁棒竞价策略
文献摘要：
风电出力不确定性和波动性导致其市场竞争力较弱,且电价的预测偏差可能进一步加大其市场风险.为减少不确定性因素对风电-抽蓄联合系统收益的不良影响,由对抗变分贝叶斯神经网络生成以风电为代表的可再生能源出力场景,基于数据驱动方法对实时电价进行模糊不确定性建模.通过随机鲁棒优化建立风电-抽蓄联合参与日前和实时电力市场的三阶段模型,相较于常规的两阶段随机优化,增加了第三阶段鲁棒改进过程,保证了竞价方案能够既有经济性又能够有效应对极端场景、既有鲁棒性又不过分保守.结果表明,所提方法比传统不确定性分析方法具有明显优势,能够在避免人为假设的前提下,高效且真实反映可再生能源出力场景以及表征电价不确定性,可有效减少风电实时出力波动和电价预测偏差带来的较高不平衡惩罚.
文献关键词：
风电-抽蓄联合系统;对抗变分贝叶斯;数据驱动;随机鲁棒优化
中图分类号：
作者姓名：
江婷;王旭;蒋传文;龚开;白冰青
作者机构：
电力传输与功率变换控制教育部重点实验室(上海交通大学),上海市 闵行区 200240
文献出处：
引用格式：
[1]江婷;王旭;蒋传文;龚开;白冰青-.数据驱动下风电–抽蓄联合参与日前–实时市场随机鲁棒竞价策略)[J].电网技术,2022(02):481-491,中插3-中插6
A类：
对抗变分贝叶斯
B类：
下风,抽蓄,日前,实时市场,竞价策略,风电出力,出力不确定性,波动性,市场竞争力,预测偏差,差可,市场风险,不确定性因素,统收,贝叶斯神经网络,可再生能源出力,出力场景,数据驱动方法,实时电价,模糊不确定性,不确定性建模,随机鲁棒优化,电力市场,三阶段模型,两阶段随机优化,第三阶段,对极,极端场景,分保,不确定性分析方法,出力波动,电价预测
AB值：
0.32377
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
