Theories, Methodologies and Applications of Probabilistic Forecasting for Power Systems with Renewable Energy Sources

Can WAN; Yonghua SONG

doi:10.7500/AEPS20200811008

您当前的位置：

首页 >

文章列表页 >

Theories, Methodologies and Applications of Probabilistic Forecasting for Power Systems with Renewable Energy Sources

Special Topic on Forecasting Technology and Its Application in Power Systems with Renewable Energy Sources | 更新时间：2025-06-16

- Theories, Methodologies and Applications of Probabilistic Forecasting for Power Systems with Renewable Energy Sources
- Automation of Electric Power Systems Vol. 45, Issue 1, Pages: 2-16(2021)
- 作者机构：
  
  1.浙江大学电气工程学院，浙江省杭州市 310027
  2.智慧城市物联网国家重点实验室（澳门大学），澳门
- 作者简介：
- 基金信息：
  
  National Key R&D Program of China;National Natural Science Foundation of China;“Young Talents Support Project” by China Association for Science and Technology
- DOI：10.7500/AEPS20200811008
  CLC：
- Received：11 August 2020，
  
  Revised：2020-12-01，
  
  Published Online：25 December 2020，
  
  Published：10 January 2021
- 稿件说明：
移动端阅览
万灿,宋永华.新能源电力系统概率预测理论与方法及其应用[J].电力系统自动化,2021,45(1):2-16.

WAN Can,SONG Yonghua.Theories, Methodologies and Applications of Probabilistic Forecasting for Power Systems with Renewable Energy Sources[J].Automation of Electric Power Systems,2021,45(1):2-16.
万灿,宋永华.新能源电力系统概率预测理论与方法及其应用[J].电力系统自动化,2021,45(1):2-16. DOI： 10.7500/AEPS20200811008.

WAN Can,SONG Yonghua.Theories, Methodologies and Applications of Probabilistic Forecasting for Power Systems with Renewable Energy Sources[J].Automation of Electric Power Systems,2021,45(1):2-16. DOI： 10.7500/AEPS20200811008.

摘要

高比例新能源已成为中国电力系统发展的突出特征，间歇性新能源发电的不确定性给电力系统安全与经济运行带来极大挑战。准确可靠的供需预测是新能源电力系统分析与运行控制的基础，传统确定性预测难以消除预测误差

概率预测可实现对预测不确定性的有效量化，为电力系统分析与运行控制提供关键信息支撑。文中对新能源电力系统概率预测理论与方法及应用进行了系统综述：首先

从预测对象、时间尺度、概率预测形式、性能评价指标等方面介绍了新能源电力系统概率预测的基本概念；其次

系统综述了新能源电力系统概率预测的基本理论与方法；然后

总结了概率预测在新能源电力系统中的多场景应用；最后

对新能源电力系统概率预测存在的问题做了归纳，并对其发展趋势进行了展望。

Abstract

High penetration of renewable energy has become a prominent feature of the development of power systems in China. The uncertainty of intermittent renewable energy generation brings great challenges to the safe and economic operation of power systems. Accurate and reliable supply and demand forecasting is the basis of the analysis

operation

and control of the power systems with renewable energy sources. However

the forecasting error is difficult to be eliminated through the traditional deterministic forecasting. Probabilistic forecasting can effectively quantify the forecasting uncertainty and provide key information to the analysis

operation

and control of power systems. This paper systematically reviews the theories

methodologies and applications of probabilistic forecasting for the power systems with renewable energy sources. Firstly

the basic concepts of probabilistic forecasting for the power systems with renewable energy sources are introduced

including forecasting objects

time scales

probabilistic forecasting forms and performance evaluation indices. Secondly

the basic theories and methodologies of probabilistic forecasting for the power systems with renewable energy sources are reviewed. Then the multi-scenario applications of probabilistic forecasting in the power systems with renewable energy sources are summarized. Finally

the problems in the probabilistic forecasting of the power systems with renewable energy sources are summarized and the development trend is prospected.

关键词

Keywords

references

International Renewable Energy Agency . Renewable energy statistics 2020 ［R/OL］. （ 2020-07-01 ）［ 2020-08-01 ］. https：//www.irena.org/publications/2020/Jul/Renewable-energy-statistics-2020 https://www.irena.org/publications/2020/Jul/Renewable-energy-statistics-2020 .

WAN C ， XU Z ， PINSON P ， et al . Probabilistic forecasting of wind power generation using extreme learning machine ［J］. IEEE Transactions on Power Systems ， 2013 ， 29 （ 3 ）： 1033 - 1044 .

王伟胜，张冲，何国庆，等 . 大规模风电场并网系统次同步振荡研究综述［J］. 电网技术， 2017 ， 41 （ 4 ）： 1050 - 1060 .

WANG Weisheng ， ZHANG Chong ， HE Guoqing ， et al . Overview of research on subsynchronous oscillations in large-scale wind farm integrated system ［J］. Power System Technology ， 2017 ， 41 （ 4 ）： 1050 - 1060 .

WAN C ， LIN J ， WANG J ， et al . Direct quantile regression for nonparametric probabilistic forecasting of wind power generation ［J］. IEEE Transactions on Power Systems ， 2016 ， 32 （ 4 ）： 2767 - 2778 .

曾博，杨雍琦，段金辉，等 . 新能源电力系统中需求侧响应关键问题及未来研究展望［J］. 电力系统自动化， 2015 ， 39 （ 17 ）： 10 - 18 .

ZENG Bo ， YANG Yongqi ， DUAN Jinhui ， et al . Key issues and research prospects for demand-side response in alternate electrical power systems with renewable energy sources ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 17 ）： 10 - 18 .

薛禹胜，郁琛，赵俊华，等 . 关于短期及超短期风电功率预测的评述［J］. 电力系统自动化， 2015 ， 39 （ 6 ）： 141 - 151 .

XUE Yusheng ， YU Chen ， ZHAO Junhua ， et al . A review on short-term and ultra-short-term wind power prediction ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 6 ）： 141 - 151 .

WAN C ， XU Z ， PINSON P ， et al . Optimal prediction intervals of wind power generation ［J］. IEEE Transactions on Power Systems ， 2013 ， 29 （ 3 ）： 1166 - 1174 .

康重庆，夏清，张伯明 . 电力系统负荷预测研究综述与发展方向的探讨［J］. 电力系统自动化， 2004 ， 28 （ 17 ）： 1 - 11 .

KANG Chongqing ， XIA Qing ， ZHANG Boming . Review of power system load forecasting and its development ［J］. Automation of Electric Power Systems ， 2004 ， 28 （ 17 ）： 1 - 11 .

ZHAO C ， WAN C ， SONG Y ， et al . Optimal nonparametric prediction intervals of electricity load ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 3 ）： 2467 - 2470 .

XUAN Z ， GAO X ， LI K ， et al . PV-load decoupling based demand response baseline load estimation approach for residential customer with distributed PV system ［J］. IEEE Transactions on Industry Applications ， 2020 ， 56 （ 6 ）： 6128 - 6137 .

CAO Z ， WAN C ， ZHANG Z ， et al . Hybrid ensemble deep learning for deterministic and probabilistic low-voltage load forecasting ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 3 ）： 1881 - 1897 .

赵仁德，王永军，张加胜 . 直驱式永磁同步风力发电系统最大功率追踪控制［J］. 中国电机工程学报， 2009 ， 29 （ 27 ）： 106 - 111 .

ZHAO Rende ， WANG Yongjun ， ZHANG Jiasheng . Maximum power point tracking control of the wind energy generation system with direct-driven permanent magnet synchronous generators ［J］. Proceedings of the CSEE ， 2009 ， 29 （ 27 ）： 106 - 111 .

阎洁，李宁，刘永前，等 . 短期风电功率动态云模型不确定性预测方法［J］. 电力系统自动化， 2019 ， 43 （ 3 ）： 17 - 23 .

YAN Jie ， LI Ning ， LIU Yongqian ， et al . Short-term uncertainty forecasting method for wind power based on realtime switching cloud model ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 3 ）： 17 - 23 .

PINSON P ， KARINIOTAKIS G . Conditional prediction intervals of wind power generation ［J］. IEEE Transactions on Power Systems ， 2010 ， 25 （ 4 ）： 1845 - 1856 .

WAN C ， ZHAO J ， SONG Y ， et al . Photovoltaic and solar power forecasting for smart grid energy management ［J］. CSEE Journal of Power and Energy Systems ， 2015 ， 1 （ 4 ）： 38 - 46 .

ZHEN Z ， LIU J ， ZHANG Z ， et al . Deep learning based surface irradiance mapping model for solar pv power forecasting using sky image ［J］. IEEE Transactions on Industry Applications ， 2020 ， 56 （ 4 ）： 3385 - 3396 .

王飞，米增强，甄钊，等 . 基于天气状态模式识别的光伏电站发电功率分类预测方法［J］. 中国电机工程学报， 2013 ， 33 （ 34 ）： 75 - 82 .

WANG Fei ， MI Zengqiang ， ZHEN Zhao ， et al . A classified forecasting approach of power generation for photovoltaic plants based on weather condition pattern recognition ［J］. Proceedings of the CSEE ， 2013 ， 33 （ 34 ）： 75 - 82 .

WAN C ， LIN J ， SONG Y ， et al . Probabilistic forecasting of photovoltaic generation： an efficient statistical approach ［J］. IEEE Transactions on Power Systems ， 2016 ， 32 （ 3 ）： 2471 - 2472 .

BRACALE A ， CARPINELLI G ， DE FALCO P . A probabilistic competitive ensemble method for short-term photovoltaic power forecasting ［J］. IEEE Transactions on Sustainable Energy ， 2016 ， 8 （ 2 ）： 551 - 560 .

WERON R . Electricity price forecasting： a review of the state-of-the-art with a look into the future ［J］. International Journal of Forecasting ， 2014 ， 30 （ 4 ）： 1030 - 1081 .

ABEDINIA O ， AMJADY N ， ZAREIPOUR H . A new feature selection technique for load and price forecast of electrical power systems ［J］. IEEE Transactions on Power Systems ， 2017 ， 32 （ 1 ）： 62 - 74 .

WAN C ， XU Z ， WANG Y ， et al . A hybrid approach for probabilistic forecasting of electricity price ［J］. IEEE Transactions on Smart Grid ， 2013 ， 5 （ 1 ）： 463 - 470 .

张显，王锡凡 . 短期电价预测综述［J］. 电力系统自动化， 2006 ， 30 （ 3 ）： 92 - 101 .

ZHANG Xian ， WANG Xifan . Review of the short term electricity price forecasting ［J］. Automation of Electric Power Systems ， 2006 ， 30 （ 3 ）： 92 - 101 .

ZHANG Y ， WANG J ， WANG X . Review on probabilistic forecasting of wind power generation ［J］. Renewable and Sustainable Energy Reviews ， 2014 ， 32 ： 255 - 270 .

HONG T ， FAN S . Probabilistic electric load forecasting： a tutorial review ［J］. International Journal of Forecasting ， 2016 ， 32 （ 3 ）： 914 - 938 .

中华人民共和国国家能源局 . 风电场功率预测预报管理暂行办法［EB/OL］.（ 2011-06-09 ）［ 2020-08-01 ］. https：//wenku.baidu.com/view/3d17c7daad51f01dc281f170.html https://wenku.baidu.com/view/3d17c7daad51f01dc281f170.html .

National Energy Administration of the People’s Republic of China . Interim measures for the management of wind power forecasting ［EB/OL］. （ 2011-06-09 ）［ 2020-08-01 ］. https：//wenku.baidu.com/view/3d17c7daad51f01dc281f170.html https://wenku.baidu.com/view/3d17c7daad51f01dc281f170.html .

董朝阳，赵俊华，文福拴，等 . 从智能电网到能源互联网：基本概念与研究框架［J］. 电力系统自动化， 2014 ， 38 （ 15 ）： 1 - 11 .

DONG Zhaoyang ， ZHAO Junhua ， WEN Fushuan ， et al . From smart grid to energy internet： basic concept and research framework ［J］. Automation of Electric Power Systems ， 2014 ， 38 （ 15 ）： 1 - 11 .

GIGONI L ， BETTI A ， CRISOSTOMI E ， et al . Day-ahead hourly forecasting of power generation from photovoltaic plants ［J］. IEEE Transactions on Sustainable Energy ， 2017 ， 9 （ 2 ）： 831 - 842 .

ZHU L ， LAPTEV N . Deep and confident prediction for time series at uber ［C］// IEEE International Conference on Data Mining Workshops （ICDMW）， November 18 - 21 ， 2017 ， New Orleans， USA： 103 - 110 .

SALINAS D ， FLUNKERT V ， GASTHAUS J ， et al . DeepAR： probabilistic forecasting with autoregressive recurrent networks ［J］. International Journal of Forecasting ， 2020 ， 36 （ 3 ）： 1181 - 1191 .

RAFIEI M ， NIKNAM T ， KHOOBAN M-H . Probabilistic forecasting of hourly electricity price by generalization of ELM for usage in improved wavelet neural network ［J］. IEEE Transactions on Industrial Informatics ， 2016 ， 13 （ 1 ）： 71 - 79 .

OROZCO B P ， ABBATI G ， ROBERTS S . MOrdReD： memory-based ordinal regression deep neural networks for time series forecasting ［EB/OL］. （ 2018-03-26 ）［ 2020-08-01 ］. https：//arxiv.org/pdf/1803.09704.pdf https://arxiv.org/pdf/1803.09704.pdf .

BESSA R J ， MIRANDA V ， BOTTERUD A ， et al . Time adaptive conditional kernel density estimation for wind power forecasting ［J］. IEEE Transactions on Sustainable Energy ， 2012 ， 3 （ 4 ）： 660 - 669 .

JEON J ， TAYLOR J W . Using conditional kernel density estimation for wind power density forecasting ［J］. Journal of the American Statistical Association ， 2012 ， 107 （ 497 ）： 66 - 79 .

HU T ， GUO Q ， LI Z ， et al . Distribution-free probability density forecast through deep neural networks ［J］. IEEE Transactions on Neural Networks and Learning Systems ， 2020 ， 31 （ 2 ）： 612 - 625 .

KOENKER R ， HALLOCK K F . Quantile regression ［J］. Journal of Economic Perspectives ， 2001 ， 15 （ 4 ）： 143 - 156 .

WAN C ， WANG J ， LIN J ， et al . Nonparametric prediction intervals of wind power via linear programming ［J］. IEEE Transactions on Power Systems ， 2017 ， 33 （ 1 ）： 1074 - 1076 .

KHORRAMDEL B ， CHUNG C ， SAFARI N ， et al . A fuzzy adaptive probabilistic wind power prediction framework using diffusion kernel density estimators ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 6 ）： 7109 - 7121 .

LIN Y ， YANG M ， WAN C ， et al . A multi-model combination approach for probabilistic wind power forecasting ［J］. IEEE Transactions on Sustainable Energy ， 2018 ， 10 （ 1 ）： 226 - 237 .

XIE W ， ZHANG P ， CHEN R ， et al . A nonparametric Bayesian framework for short-term wind power probabilistic forecast ［J］. IEEE Transactions on Power Systems ， 2018 ， 34 （ 1 ）： 371 - 379 .

KHOSRAVI A ， NAHAVANDI S ， CREIGHTON D . Prediction intervals for short-term wind farm power generation forecasts ［J］. IEEE Transactions on Sustainable Energy ， 2013 ， 4 （ 3 ）： 602 - 610 .

WANG Z ， WANG W ， LIU C ， et al . Probabilistic forecast for multiple wind farms based on regular vine copulas ［J］. IEEE Transactions on Power Systems ， 2017 ， 33 （ 1 ）： 578 - 589 .

WAN C ， SONG Y ， XU Z ， et al . Probabilistic wind power forecasting with hybrid artificial neural networks ［J］. Electric Power Components and Systems ， 2016 ， 44 （ 15 ）： 1656 - 1668 .

GOLESTANEH F ， PINSON P ， GOOI H B . Very short-term nonparametric probabilistic forecasting of renewable energy generation—with application to solar energy ［J］. IEEE Transactions on Power Systems ， 2016 ， 31 （ 5 ）： 3850 - 3863 .

ZHAO C ， WAN C ， SONG Y . An adaptive bilevel programming model for nonparametric prediction intervals of wind power generation ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 1 ）： 424 - 439 .

WAN C ， ZHAO C ， SONG Y . Chance constrained extreme learning machine for nonparametric prediction intervals of wind power generation ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 5 ）： 3869 - 3884 .

VALENCIA F ， COLLADO J ， SÁEZ D ， et al . Robust energy management system for a microgrid based on a fuzzy prediction interval model ［J］. IEEE Transactions on Smart Grid ， 2015 ， 7 （ 3 ）： 1486 - 1494 .

ASKANAZI R ， DIEBOLD F X ， SCHORFHEIDE F ， et al . On the comparison of interval forecasts ［J］. Journal of Time Series Analysis ， 2018 ， 39 （ 6 ）： 953 - 965 .

PINSON P ， NIELSEN H A ， MØLLER J K ， et al . Non-parametric probabilistic forecasts of wind power： required properties and evaluation ［J］. Wind Energy ， 2007 ， 10 （ 6 ）： 497 - 516 .

程泽，刘冲，刘力 . 基于相似时刻的光伏出力概率分布估计方法［J］. 电网技术， 2017 ， 41 （ 2 ）： 448 - 454 .

CHENG Ze ， LIU Chong ， LIU Li . A method of probabilistic distribution estimation of PV generation based on similar time of day ［J］. Power System Technology ， 2017 ， 41 （ 2 ）： 448 - 455 .

WAN C ， NIU M ， SONG Y ， et al . Pareto optimal prediction intervals of electricity price ［J］. IEEE Transactions on Power Systems ， 2016 ， 32 （ 1 ）： 817 - 819 .

WINKLER R L . A decision-theoretic approach to interval estimation ［J］. Journal of the American Statistical Association ， 1972 ， 67 （ 337 ）： 187 - 191 .

GNEITING T ， BALABDAOUI F ， RAFTERY A E . Probabilistic forecasts， calibration and sharpness ［J］. Journal of the Royal Statistical Society： Series B （Statistical Methodology）， 2007 ， 69 （ 2 ）： 243 - 268 .

HE M ， YANG L ， ZHANG J ， et al . A spatio-temporal analysis approach for short-term forecast of wind farm generation ［J］. IEEE Transactions on Power Systems ， 2014 ， 29 （ 4 ）： 1611 - 1622 .

TAIEB S B ， HUSER R ， HYNDMAN R J ， et al . Forecasting uncertainty in electricity smart meter data by boosting additive quantile regression ［J］. IEEE Transactions on Smart Grid ， 2016 ， 7 （ 5 ）： 2448 - 2455 .

GNEITING T ， RAFTERY A E . Strictly proper scoring rules， prediction， and estimation ［J］. Journal of the American Statistical Association ， 2007 ， 102 （ 477 ）： 359 - 378 .

SEGURO J ， LAMBERT T . Modern estimation of the parameters of the Weibull wind speed distribution for wind energy analysis ［J］. Journal of Wind Engineering and Industrial Aerodynamics ， 2000 ， 85 （ 1 ）： 75 - 84 .

LANGE M . On the uncertainty of wind power predictions—analysis of the forecast accuracy and statistical distribution of errors ［J］. Journal of Solar Energy Engineering ， 2005 ， 127 （ 2 ）： 177 - 184 .

REIKARD G . Predicting solar radiation at high resolutions： a comparison of time series forecasts ［J］. Solar Energy ， 2009 ， 83 （ 3 ）： 342 - 349 .

HEUNIS S W ， HERMAN R . A probabilistic model for residential consumer loads ［J］. IEEE Transactions on Power Systems ， 2002 ， 17 （ 3 ）： 621 - 625 .

AIEN M ， FOTUHI-FIRUZABAD M ， RASHIDINEJAD M . Probabilistic optimal power flow in correlated hybrid wind-photovoltaic power systems ［J］. IEEE Transactions on Smart Grid ， 2014 ， 5 （ 1 ）： 130 - 138 .

BLUDSZUWEIT H ， DOMíNGUEZ-NAVARRO J A ， LLOMBART A . Statistical analysis of wind power forecast error ［J］. IEEE Transactions on Power Systems ， 2008 ， 23 （ 3 ）： 983 - 991 .

刘芳，潘毅，刘辉，等 . 风电功率预测误差分段指数分布模型［J］. 电力系统自动化， 2013 ， 37 （ 18 ）： 14 - 19 .

LIU Fang ， PAN Yi ， LIU Hui ， et al . Piecewise exponential distribution model of wind power forecasting error ［J］. Automation of Electric Power Systems ， 2013 ， 37 （ 18 ）： 14 - 19 .

HAQUE A U ， NEHRIR M H ， MANDAL P . A hybrid intelligent model for deterministic and quantile regression approach for probabilistic wind power forecasting ［J］. IEEE Transactions on Power Systems ， 2014 ， 29 （ 4 ）： 1663 - 1672 .

LIU B ， NOWOTARSKI J ， HONG T ， et al . Probabilistic load forecasting via quantile regression averaging on sister forecasts ［J］. IEEE Transactions on Smart Grid ， 2015 ， 8 （ 2 ）： 730 - 737 .

HUANG J ， PERRY M . A semi-empirical approach using gradient boosting and k-nearest neighbors regression for GEFCom2014 probabilistic solar power forecasting ［J］. International Journal of Forecasting ， 2016 ， 32 （ 3 ）： 1081 - 1086 .

XIE J ， HONG T . Variable selection methods for probabilistic load forecasting： empirical evidence from seven states of the united states ［J］. IEEE Transactions on Smart Grid ， 2017 ， 9 （ 6 ）： 6039 - 6046 .

RAMAKRISHNA R ， SCAGLIONE A ， VITTAL V ， et al . A model for joint probabilistic forecast of solar photovoltaic power and outdoor temperature ［J］. IEEE Transactions on Signal Processing ， 2019 ， 67 （ 24 ）： 6368 - 6383 .

WU Y K ， SU P E ， WU T Y ， et al . Probabilistic wind-power forecasting using weather ensemble models ［J］. IEEE Transactions on Industry Applications ， 2018 ， 54 （ 6 ）： 5609 - 5620 .

BAKKER K ， WHAN K ， KNAP W ， et al . Comparison of statistical post-processing methods for probabilistic NWP forecasts of solar radiation ［J］. Solar Energy ， 2019 ， 191 ： 138 - 150 .

WANG Z ， WANG W ， LIU C ， et al . Probabilistic forecast for aggregated wind power outputs based on regional NWP data ［J］. The Journal of Engineering ， 2017 （ 13 ）： 1528 - 1532 .

XU L ， WANG S ， TANG R . Probabilistic load forecasting for buildings considering weather forecasting uncertainty and uncertain peak load ［J］. Applied Energy ， 2019 ， 237 ： 180 - 195 .

XIE J ， HONG T . Temperature scenario generation for probabilistic load forecasting ［J］. IEEE Transactions on Smart Grid ， 2016 ， 9 （ 3 ）： 1680 - 1687 .

ALONSO-SUáREZ R ， DAVID M ， BRANCO V ， et al . Intra-day solar probabilistic forecasts including local short-term variability and satellite information ［J］. Renewable Energy ， 2020 ， 158 ： 554 - 573 .

CARRIERE T ， VERNAY C ， PITAVAL S ， et al . A novel approach for seamless probabilistic photovoltaic power forecasting covering multiple time frames ［J］. IEEE Transactions on Smart Grid ， 2019 ， 11 （ 3 ）： 2281 - 2292 .

叶林，赵永宁 . 基于空间相关性的风电功率预测研究综述［J］. 电力系统自动化， 2014 ， 38 （ 14 ）： 126 - 135 .

YE Lin ， ZHAO Yongning . A review on wind power prediction based on spatial correlation approach ［J］. Automation of Electric Power Systems ， 2014 ， 38 （ 14 ）： 126 - 135 .

ZHANG Y ， WANG J . A distributed approach for wind power probabilistic forecasting considering spatio-temporal correlation without direct access to off-site information ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 5 ）： 5714 - 5726 .

AGOUA X G ， GIRARD R ， KARINIOTAKIS G . Short-term spatio-temporal forecasting of photovoltaic power production ［J］. IEEE Transactions on Sustainable Energy ， 2017 ， 9 （ 2 ）： 538 - 546 .

SANJARI M J ， GOOI H . Probabilistic forecast of PV power generation based on higher order Markov chain ［J］. IEEE Transactions on Power Systems ， 2016 ， 32 （ 4 ）： 2942 - 2952 .

周玮，钟佳成，孙辉，等 . 基于隐马尔可夫模型的日内风电功率预测误差区间滚动估计［J］. 电力系统自动化， 2018 ， 42 （ 21 ）： 90 - 95 .

ZHOU Wei ， ZHONG Jiacheng ， SUN Hui ， et al . An interval rolling estimation method for daily wind power forecast errors based on hidden Markov model ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 21 ）： 90 - 95 .

CHENG Y C ， LI S T . Fuzzy time series forecasting with a probabilistic smoothing hidden Markov model ［J］. IEEE Transactions on Fuzzy Systems ， 2011 ， 20 （ 2 ）： 291 - 304 .

GUAN C ， LUH P B ， MICHEL L D ， et al . Hybrid Kalman filters for very short-term load forecasting and prediction interval estimation ［J］. IEEE Transactions on Power Systems ， 2013 ， 28 （ 4 ）： 3806 - 3817 .

赵峰，孙波，张承慧 . 基于多变量相空间重构和卡尔曼滤波的冷热电联供系统负荷预测方法［J］. 中国电机工程学报， 2016 ， 36 （ 2 ）： 399 - 406 .

ZHAO Feng ， SUN Bo ， ZHANG Chenghui . Cooling， heating and electrical load forecasting method for CCHP system based on multivariate phase space reconstruction and Kalman filter ［J］. Proceedings of the CSEE ， 2016 ， 36 （ 2 ）： 399 - 406 .

QUAN H ， SRINIVASAN D ， KHOSRAVI A . Short-term load and wind power forecasting using neural network-based prediction intervals ［J］. IEEE Transactions on Neural Networks and Learning Systems ， 2013 ， 25 （ 2 ）： 303 - 315 .

WANG H ， WANG G ， LI G ， et al . Deep belief network based deterministic and probabilistic wind speed forecasting approach ［J］. Applied Energy ， 2016 ， 182 ： 80 - 93 .

WANG Y ， GAN D ， SUN M ， et al . Probabilistic individual load forecasting using pinball loss guided LSTM ［J］. Applied Energy ， 2019 ， 235 ： 10 - 20 .

WANG H Z ， LI G Q ， WANG G B ， et al . Deep learning based ensemble approach for probabilistic wind power forecasting ［J］. Applied Energy ， 2017 ， 188 ： 56 - 70 .

何耀耀，许启发，杨善林，等 . 基于RBF神经网络分位数回归的电力负荷概率密度预测方法［J］. 中国电机工程学报， 2013 ， 33 （ 1 ）： 93 - 98 .

HE Yaoyao ， XU Qifa ， YANG Shanlin ， et al . A power load probability density forecasting method based on RBF neural network quantile regression ［J］. Proceedings of the CSEE ， 2013 ， 33 （ 1 ）： 93 - 98 .

WAN C ， XU Z ， PINSON P . Direct interval forecasting of wind power ［J］. IEEE Transactions on Power Systems ， 2013 ， 28 （ 4 ）： 4877 - 4878 .

BRACALE A ， CARAMIA P ， CARPINELLI G ， et al . Day-ahead probabilistic wind power forecasting based on ranking and combining NWPs ［J］. International Transactions on Electrical Energy Systems ， 2020 ， 30 （ 7 ）： e12325 .

KRAWCZYK B ， MINKU L L ， GAMA J ， et al . Ensemble learning for data stream analysis： a survey ［J］. Information Fusion ， 2017 ， 37 ： 132 - 156 .

SAGI O ， ROKACH L . Ensemble learning： a survey ［J］. Wiley Interdisciplinary Reviews： Data Mining and Knowledge Discovery ， 2018 ， 8 （ 4 ）： e1249 .

GOMES H M ， BARDDAL J P ， ENEMBRECK F ， et al . A survey on ensemble learning for data stream classification ［J］. ACM Computing Surveys （CSUR）， 2017 ， 50 （ 2 ）： 1 - 36 .

NAGY G I ， BARTA G ， KAZI S ， et al . GEFCom2014： probabilistic solar and wind power forecasting using a generalized additive tree ensemble approach ［J］. International Journal of Forecasting ， 2016 ， 32 （ 3 ）： 1087 - 1093 .

彭波，陈旭，徐乾耀，等 . 面向新能源消纳的电网规划方法初探［J］. 电网技术， 2013 ， 37 （ 12 ）： 3386 - 3391 .

PENG Bo ， CHEN Xu ， XU Qianyao ， et al . Preliminary research on power grid planning method aiming at accommodating new energy ［J］. Power System Technology ， 2013 ， 37 （ 12 ）： 3386 - 3391 .

SHAO C ， SHAHIDEHPOUR M ， WANG X ， et al . Integrated planning of electricity and natural gas transportation systems for enhancing the power grid resilience ［J］. IEEE Transactions on Power Systems ， 2017 ， 32 （ 6 ）： 4418 - 4429 .

REDDY S S . Optimal scheduling of thermal-wind-solar power system with storage ［J］. Renewable Energy ， 2017 ， 101 ： 1357 - 1368 .

沈欣炜，郭庆来，许银亮，等 . 考虑多能负荷不确定性的区域综合能源系统鲁棒规划［J］. 电力系统自动化， 2019 ， 43 （ 7 ）： 34 - 45 .

SHEN Xinwei ， GUO Qinglai ， XU Yinliang ， et al . Robust planning method for regional integrated energy system considering multi-energy load uncertainties ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 7 ）： 34 - 45 .

JIANG Y ， WAN C ， BOTTERUD A ， et al . Exploiting flexibility of district heating networks in combined heat and power dispatch ［J］. IEEE Transactions on Sustainable Energy ， 2020 ， 11 （ 4 ）： 2174 - 2188 .

于丹文，杨明，翟鹤峰，等 . 鲁棒优化在电力系统调度决策中的应用研究综述［J］. 电力系统自动化， 2016 ， 40 （ 7 ）： 134 - 143 .

YU Danwen ， YANG Ming ， ZHAI Hefeng ， et al . An overview of robust optimization used for power system dispatch and decision-making ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 7 ）： 134 - 143 .

ZHANG N ， KANG C ， XIA Q ， et al . Modeling conditional forecast error for wind power in generation scheduling ［J］. IEEE Transactions on Power Systems ， 2013 ， 29 （ 3 ）： 1316 - 1324 .

JIANG Y ， WAN C ， CHEN C ， et al . A hybrid stochastic-interval operation strategy for multi-energy microgrids ［J］. IEEE Transactions on Smart Grid ， 2019 ， 11 （ 1 ）： 440 - 456 .

ZHANG Z S ， SUN Y Z ， GAO D W ， et al . A versatile probability distribution model for wind power forecast errors and its application in economic dispatch ［J］. IEEE Transactions on Power Systems ， 2013 ， 28 （ 3 ）： 3114 - 3125 .

YANG L ， HE M ， VITTAL V ， et al . Stochastic optimization-based economic dispatch and interruptible load management with increased wind penetration ［J］. IEEE Transactions on Smart Grid ， 2015 ， 7 （ 2 ）： 730 - 739 .

FURUKAKOI M ， ADEWUYI O B ， MATAYOSHI H ， et al . Multi objective unit commitment with voltage stability and PV uncertainty ［J］. Applied Energy ， 2018 ， 228 ： 618 - 623 .

刘一欣，郭力，王成山 . 微电网两阶段鲁棒优化经济调度方法［J］. 中国电机工程学报， 2018 ， 38 （ 14 ）： 4013 - 4022 .

LIU Yixin ， GUO Li ， WANG Chengshan . Economic dispatch of microgrid based on two stage robust optimization ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 14 ）： 4013 - 4022 .

WANG J ， SHAHIDEHPOUR M ， LI Z . Security-constrained unit commitment with volatile wind power generation ［J］. IEEE Transactions on Power Systems ， 2008 ， 23 （ 3 ）： 1319 - 1327 .

施云辉，王橹裕，陈玮，等 . 基于风电预测误差聚类的分布鲁棒含储能机组组合［J］. 电力系统自动化， 2019 ， 43 （ 22 ）： 3 - 12 .

SHI Yunhui ， WANG Luyu ， CHEN Wei ， et al . Distributed robust unit commitment with energy storage based on forecasting error clustering of wind power ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 22 ）： 3 - 12 .

PANDŽIĆ H ， DVORKIN Y ， QIU T ， et al . Toward cost-efficient and reliable unit commitment under uncertainty ［J］. IEEE Transactions on Power Systems ， 2015 ， 31 （ 2 ）： 970 - 982 .

刘小聪，王蓓蓓，李扬，等 . 计及需求侧资源的大规模风电消纳随机机组组合模型［J］. 中国电机工程学报， 2015 ， 35 （ 14 ）： 3714 - 3723 .

LIU Xiaocong ， WANG Beibei ， LI Yang ， et al . Stochastic unit commitment model for high wind power integration considering demand side resources ［J］. Proceedings of the CSEE ， 2015 ， 35 （ 14 ）： 3714 - 3723 .

ORTEGA-VAZQUEZ M A ， KIRSCHEN D S . Estimating the spinning reserve requirements in systems with significant wind power generation penetration ［J］. IEEE Transactions on Power Systems ， 2008 ， 24 （ 1 ）： 114 - 124 .

SEDGHI M ， AHMADIAN A ， ALIAKBAR-GOLKAR M . Optimal storage planning in active distribution network considering uncertainty of wind power distributed generation ［J］. IEEE Transactions on Power Systems ， 2015 ， 31 （ 1 ）： 304 - 316 .

BRENNA M ， FOIADELLI F ， LONGO M ， et al . Energy storage control for dispatching photovoltaic power ［J］. IEEE Transactions on Smart Grid ， 2016 ， 9 （ 4 ）： 2419 - 2428 .

林少伯，韩民晓，赵国鹏，等 . 基于随机预测误差的分布式光伏配网储能系统容量配置方法［J］. 中国电机工程学报， 2013 ， 33 （ 4 ）： 25 - 33 .

LIN Shaobo ， HAN Minxiao ， ZHAO Guopeng ， et al . Capacity allocation of energy storage in distributed photovoltaic power system based on stochastic prediction error ［J］. Proceedings of the CSEE ， 2013 ， 33 （ 4 ）： 25 - 33 .

叶瑞丽，郭志忠，刘瑞叶，等 . 基于风电功率预测误差分析的风电场储能容量优化方法［J］. 电力系统自动化， 2014 ， 38 （ 16 ）： 28 - 34 .

YE Ruili ， GUO Zhizhong ， LIU Ruiye ， et al . A method for designing optimal energy storage system based on analysis of wind power forecast error ［J］. Automation of Electric Power Systems ， 2014 ， 38 （ 16 ）： 28 - 34 .

王锡凡，肖云鹏，王秀丽 . 新形势下电力系统供需互动问题研究及分析［J］. 中国电机工程学报， 2014 ， 34 （ 29 ）： 5018 - 5028 .

WANG Xifan ， XIAO Yunpeng ， WANG Xiuli . Study and analysis on supply-demand interaction of power systems under new circumstances ［J］. Proceedings of the CSEE ， 2014 ， 34 （ 29 ）： 5018 - 5028 .

BUKHSH W A ， ZHANG C ， PINSON P . An integrated multiperiod OPF model with demand response and renewable generation uncertainty ［J］. IEEE Transactions on Smart Grid ， 2015 ， 7 （ 3 ）： 1495 - 1503 .

WEI W ， LIU F ， MEI S . Energy pricing and dispatch for smart grid retailers under demand response and market price uncertainty ［J］. IEEE Transactions on Smart Grid ， 2014 ， 6 （ 3 ）： 1364 - 1374 .

姚建国，杨胜春，王珂，等 . 平衡风功率波动的需求响应调度框架与策略设计［J］. 电力系统自动化， 2014 ， 38 （ 9 ）： 85 - 92 .

YAO Jianguo ， YANG Shengchun ， WANG Ke ， et al . Framework and strategy design of demand response scheduling for balancing wind power fluctuation ［J］. Automation of Electric Power Systems ， 2014 ， 38 （ 9 ）： 85 - 92 .

GAN D ， THOMAS R J ， ZIMMERMAN R D . Stability-constrained optimal power flow ［J］. IEEE Transactions on Power Systems ， 2000 ， 15 （ 2 ）： 535 - 540 .

秦超，余贻鑫 . 基于安全域的含风电电力系统概率小扰动稳定分析［J］. 电力系统自动化， 2014 ， 38 （ 10 ）： 43 - 48 .

QIN Chao ， YU Yixin . Security region based probabilistic small signal stability analysis for power systems with wind power integration ［J］. Automation of Electric Power Systems ， 2014 ， 38 （ 10 ）： 43 - 48 .

XING X ， LIN J ， WAN C ， et al . Model predictive control of LPC-looped active distribution network with high penetration of distributed generation ［J］. IEEE Transactions on Sustainable Energy ， 2017 ， 8 （ 3 ）： 1051 - 1063 .

CHEN X ， LIN J ， WAN C ， et al . A unified frequency-domain model for automatic generation control assessment under wind power uncertainty ［J］. IEEE Transactions on Smart Grid ， 2018 ， 10 （ 3 ）： 2936 - 2947 .

ALHAZMI M ， DEHGHANIAN P ， WANG S ， et al . Power grid optimal topology control considering correlations of system uncertainties ［J］. IEEE Transactions on Industry Applications ， 2019 ， 55 （ 6 ）： 5594 - 5604 .

DA SILVA NETO C A ， SCHILLING M T . Power system security taxonomy introducing two new approaches ［J］. IEEE Transactions on Power Systems ， 2019 ， 35 （ 1 ）： 487 - 495 .

ZHOU J ， SHI P ， GAN D ， et al . Large-scale power system robust stability analysis based on value set approach ［J］. IEEE Transactions on Power Systems ， 2017 ， 32 （ 5 ）： 4012 - 4023 .

JIANG Y ， WAN C ， WANG J ， et al . Stochastic receding horizon control of active distribution networks with distributed renewables ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 2 ）： 1325 - 1341 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Technological Requirement Analysis and Prospect of Energy Management for Off-grid Renewable Power-to-Hydrogen Systems

Review and Prospect of Explainable Artificial Intelligence and Its Application in Power Systems

Fine-grained Parallel and Multi-rate Electromagnetic Transient Simulation for Power System with Renewable Energy

Related Author

Xiaoyuan XU

Han WANG

Zheng YAN

Zhuoxin LU

Chongqing KANG

Kaigui XIE

QIU Yiwei

ZHU Jie

Related Institution

Key Laboratory of Control of Power Transmission and Conversion, Ministry of Education (Shanghai Jiao Tong University)

State Key Laboratory of Power System and Generation Equipment (Tsinghua University)

State Key Laboratory of Power Transmission Equipment & System Security and New Technology(Chongqing University)

College of Electrical Engineering, Sichuan University

Tsinghua Sichuan Energy Internet Research Institute

⁰