基于C藤Copula及条件风险价值的综合能源系统灵活爬坡优化调度

随着可再生能源渗透率增加，净负荷波动幅度也随之变大。因此，该文针对净负荷不确定性变化，结合预测误差相关性与条件风险价值(conditional value at risk,CVaR)，提出一种综合能源系统灵活爬坡优化调度方法。首先，通过神经网络模型预测风光荷初始功率，针对预测误差，运用C藤Copula函数构建多元随机变量预测误差的联合概率分布，并据此提出一种灵活爬坡产品设计方法；然后，在考虑净负荷不确定性带来的弃风光和切负荷条件风险价值的基础上，构建考虑灵活爬坡产品风险价值的综合能源系统优化调度模型。仿真结果表明，考虑净负荷预测误差相关性的优化使系统整体经济性提升1.22%，切负荷与弃风光总量减少了17.01%，验证该文方法的有效性。结合不同置信水平下的CVaR值，可为综合能源系统调度提供一定的风险参考。     

多尺度特征提取与非线性融合的综合能源系统多元负荷短期预测

为提高综合能源系统多元负荷短期预测的精度，提出一种基于多尺度特征提取与非线性融合的综合能源系统多元负荷短期预测方法。首先，采用皮尔逊相关系数对气象数据进行关联因子优选；然后，通过嵌入式分解模块将输入的时间序列分解为周期分量和趋势分量，并将分解后得到的输入矩阵并行送入到具有不同尺度卷积核的时间卷积网络中，进行多尺度特征提取；接着，将多尺度时间卷积网络输出的特征向量输入到各自对应的注意力机制，以进行全局信息的学习与融合；最后，采用自适应非线性融合模块对各注意力机制的输出进行非线性融合，得到最终多元负荷预测结果。实验结果表明，所提方法具有较好的预测性能及泛化性。