基于统计机器学习的园区能源互联网随机规划技术探析

2021-11-18吴娴萍陈忠华付学谦

电力需求侧管理 2021年6期

吴娴萍，陈忠华，付学谦

（1.中国农业大学信息与电气工程学院，北京 100083；2.杭州电力设计院有限公司，杭州 310014）

0 引言

2020年9月，中国明确提出2030年“碳达峰”与2060年“碳中和”目标。“双碳”目标的提出意味着光伏、风电等可再生能源将会快速攀升成为主力电源。适应高渗透率可再生能源站的园区能源互联网是推进能源结构改革、提升综合能源效率的必然趋势［1］。然而，可再生能源出力具有强随机性、波动性的特点，需充分调动负荷侧如空调负荷［2］、电动汽车负荷［3］等资源参与需求响应，促进能源互联网源-网-荷协同发展。因此，匹配需求响应负荷曲线与光伏、风电出力特点，开展园区能源互联网随机规划研究是解决城市园区能源利用不合理，实现园区多能互补的有效途径，同时也是响应国家绿色低碳、可持续发展的号召。

统计机器学习是近年来兴起的一门多领域交叉学科，涉及到概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科［4］。统计学面向模型，依赖于复杂且严格的数学推理，重视模型的解释能力；机器学习面向算法，重视预测结果，模型具有很好的可控性和延展性。机器学习使得计算机具备了自主学习和模式识别的能力，而数理统计知识与机器学习的有效结合，使统计机器学习成为一个更加有力的工具。随着智慧园区建设的日益推进，统计机器学习在能源互联网领域也得到越来越多的关注，其应用如表1所示。