摘要：新能源高渗透率背景下,极端天气造成的出力骤降对电力系统安全运行构成严重挑战,准确评估极端天气下的新能源出力深度是制定电力系统运行方式的重要依据。本文提出一种基于改进的深度时间卷积神经网络(deep temporal convolutional network,DeepTCN)的新能源出力评估方法。通过设计具有动态输入权重的时间卷积神经网络架构,准确量化估计了极端天气对新能源出力的影响,从而为制定极端天气下的电力系统运行方式提供风险程度信息。基于实际电力系统新能源出力数据集的算例结果表明,与常规的时序预测方法相比,所提方法的标准化均方根误差、对称平均绝对百分比误差和平均绝对标度误差3个指标分别最高可提升1.2,0.1和0.22。所提方法能够实现对极端天气下新能源出力的更精准评估。

摘要：新能源站点分布集中、波动随机的特性,难以保障电力系统的经济、安全、稳定运行,无法满足电力系统的持续供需平衡。文章以2021年新疆及其各地州新能源出力为主要研究对象,对全疆风电出力进行研究,对于光伏出力选用所在时段出力平均值进行分析,为后续新疆电网规划业务中涉及新能源出力分析的相关问题提供理论和数据依据。

摘要：为了判断补偿新能源出力预测偏差分布情况,控制储能过程,进而优化新能源系统储能效果,设计基于补偿新能源出力预测曲线偏差的储能控制模型。构建风、光、水新能源互补分布式能源系统,基于其风、光、水新能源发电原理及能源互补模式,补偿新能源出力情况,因补偿后新能源出力存在随机性,利用预测箱采集补偿新能源出力历史信息,构建预测偏差分布概率模型,分析新能源出力预测偏差分布情况,根据递归估计协方差矩阵,解析新能源出力时间相关性,结合变分自编码器生成补偿新能源出力预测曲线偏差场景,在该场景内,采用集中、分散装置构成的储能装置方式,完成新能源系统的储能控制。实验结果证明,该模型能够精准获取不同天气状况下补偿新能源出力预测偏差分布情况,且储能控制性能优秀,可为新能源系统提供储能保障。