高比例新能源并网电力系统灵活性需求量化、预测及应用场景研究OA

高比例新能源并网电力系统灵活性严重不足,对多时间尺度灵活性需求的精准预测尤为重要。遵循“局部特征提取—全局依赖建模—时序状态融合”的逻辑,提出一种基于深度学习的灵活性需求预测模型。首先归纳了不同时间尺度电网灵活性需求特点与互补特性,提出一种基于极端场景法的多时间尺度灵活性需求量化方法。然后提出一种基于Agent Attention-DWC-BiLSTM的灵活性需求预测模型,在轻量化的基础上,有效聚合灵活性需求时序特征的全局信息,提升模型的表达能力。算例结果表明,与其他模型相比,所提模型预测精度更高,且有着更好的泛化能力。最后从配电网和输电网两个角度总结了多时间尺度灵活性需求预测的应用场景。