摘要：风光水互补系统联合运行是解决风电、光电等间歇性能源消纳的有效方法之一,但互补系统的发电效益与稳定性存在矛盾关系,如何分析系统的出力互补特性并解析效益-稳定性关系是本研究解决的关键科学问题。本研究在雅砻江流域风光水互补示范基地上开展研究工作,采用互补系统总发电量最大、出力过程变异系数最小为目标构建效益-稳定性多目标优化调度模型,采用径流、风速和太阳辐射强度等作为输入,分析调度方案出力互补特性与目标关系。研究结果表明:效益-稳定性目标之间的关系为总发电量越大,变异系数越大,出力过程平稳性越差;互补系统在日内时间尺度上的互补关系为从夜间到日间再到夜间,光电出力从零逐渐增大再变为零,风电出力从大变小再变大,存在日内互补关系,水电能源依靠调节能力可有效互补平抑风电和光电出力。

摘要：风光水互补系统实时调度受风速、太阳辐射强度、径流和电力负荷等时间序列变量的不确定性影响,如何准确预报这些变量并量化预报的不确定性是风光水互补系统面临的关键难题。为此,本研究提出一种基于深度学习模型的时间序列变量概率预报框架。首先,从时间序列数据中挖掘特征输入并采用相关系数对生成的特征进行初选;其次,基于深度学习模型和高斯过程回归构建时间序列变量概率预报模型,同时分别通过0-1规划思想和贝叶斯优化算法实现特征组合优化和超参数优选;进而,从确定性预报、概率预报和可靠性3个方面对预报模型进行全面评价;最后,以雅砻江流域风光水互补先期试点示范基地作为研究对象,分别在径流、风速、光伏和负荷4个数据集上与目前7个不同的时间序列变量预报模型进行全面对比,验证本研究提出预报框架的精度和概率综合性能。