摘要：近年来，由极端高温引发的大规模停电事故日益频发。为有效应对极端高温给电力系统带来的不确定性风险，提出了一种基于分布鲁棒优化的极端高温日电源旋转备用配置方法。首先，构建了基于秃鹰算法（bald eagle search， BES）优化的卷积神经网络（convolutional neural network， CNN）-双向长短时记忆网络（bi-directional long short-term memory， BiLSTM）-注意力机制（Attention）组合预测模型，对极端高温日内的源荷出力进行日前预测。其次，利用带宽优化的核密度估计对模型预测误差分布进行拟合，并据此获取预测误差边界限制下的数据集，以此为支撑构建了基于Wasserstein距离的模糊不确定集。再次，构建了极端高温日电源旋转备用配置的分布鲁棒优化模型，其中，外层函数为系统运行的预估成本，内层函数为极端预测误差分布下的调节成本。最后，基于我国北方某城市的真实数据进行仿真分析，验证了本文所提方法的可行性与优越性。
文章目录
0 引言
1 极端高温日的源荷预测模型
2 极端高温日火电机组旋转备用容量配置
2.1 基于Wasserstein距离的源荷不确定集
2.2 分布鲁棒优化模型构建
2.3 分布鲁棒优化模型的对偶转换
3 算例分析
3.1 极端高温对源荷出力的影响分析
3.2 源荷出力预测模型对比
3.3 极端高温下的电源旋转备用配置
4 结论
