杨谦，刘继春，蒋万枭

(四川大学电气工程学院，成都市 610065)

0 引 言

化石能源的枯竭以及环境的恶化，使得以一次能源为核心的传统电力生产消费体系亟待转型。风电、光伏等清洁能源是我国能源领域的重要发展方向，但目前对新能源出力特性维度研究过于单一，并且由于调峰资源及调峰容量的限制，导致系统在高渗透率新能源接入下难以维持系统电力供需平衡，使得系统调峰压力骤增，带来巨大挑战。

对于未来态新能源出力场景的推演已做了大量研究，文献[1]结合实时云图、太阳阴影等对光伏出力的影响，推导出了长时间尺度的光伏场景。文献[2]针对传统预测算法在突变天气条件下预测精度较低的问题，提出基于近邻传播聚类和回声状态网络的组合算法，通过近邻传播算法对光伏出力进行分类，并根据预测日所属类别建立回声网络状态方程进行光伏出力预测。文献[3]利用支持向量机、神经网络及深度学习等机器学习方法对未来态短时间尺度新能源出力场景进行构建。但现有文献大多都仅从新能源某一特性进行建模，并未考虑到新能源出力的多维特性。

电力系统调峰能力是指系统跟随负荷变化的能力，新能源大规模并网后，电力系统调峰能力被严重削弱[4]。在考虑源网荷储的电力系统调峰能力方面的研究，文献[5]建立了考虑峰谷电价的风电-抽水蓄能联合系统和能量转化效益的定量评估模型，研究了风蓄联合系统中抽水蓄能电站对风电移峰填谷的影响；……