基于异构图学习的新能源出力预测模型推理方法

双碳目标背景下,具有区域特征和性能特点的新能源出力预测模型层出不穷,如何甄别利用当前存在的海量预测模型是当前实际应用中预测人员关注的问题。因此,提出了基于异构图学习的新能源出力预测模型推理方法,将新能源出力预测分为基础模型层和模型推理层。在基础模型层中,基于不同区域特征数据集对具有不同特点的预测模型进行训练。而在模型推理层,设计了“输入信息节点-输入边-模型节点-潜在联系边-预测结果”的异构图表示方法以完成异构信息的融合,并通过异构图注意力网络实现最优模型推理,从而获得精准的新能源预测结果。以中国西南某省风电场为算例对所提方法进行验证,结果表明所提方法风电预测误差低于9%,且直接迁移于无数据新建场站上的预测表现优于其他方法。

基于新能源需求响应的RIES多能源云储能规划

本文研究利用基于新能源需求响应的可再生能源集成系统(Renewable Integrated Energy System,RISE)多能源云储能规划,以提高能源系统的效能。构建了多能源云储能模式的基本架构,包括在云储能模式中2个主体交互模型和考虑多能源云储能的能源集线器结构。在此基础上,设计用户侧充放能优化决策模型并提出相应的求解算法,以优化用户侧充放能。研究发现,在实际应用中,采用这种基于新能源需求响应的多能源云储能规划能够减少能源浪费,提高能源利用率,同时满足用户需求。该研究对推动清洁能源的可持续发展、提高能源系统的智能化水平具有重要意义。