[論文レビュー] A Conditional Model of Wind Power Forecast Errors and Its Application in Scenario Generation

Zhiwen Wang, Chen Shen+1 more|arXiv (Cornell University)|Aug 22, 2017

Electric Power System Optimization参考文献 31被引用数 4

ひとこと要約

本稿では、複数の風力発電所における非ガウス的で予測に依存する誤差分布を捉えるために、条件付きガウス・ミックスチャーモデルを提案する。予測値に応じて誤差分布を条件付きでモデル化し、特化したサンプリング手法により高速かつ正確なシナリオ生成を可能にすることで、確率的予測の精度と電力系統の運用計画を向上させる。

ABSTRACT

In power system operation, characterizing the stochastic nature of wind power is an important albeit challenging issue. It is well known that distributions of wind power forecast errors often exhibit significant variability with respect to different forecast values. Therefore, appropriate probabilistic models that can provide accurate information for conditional forecast error distributions are of great need. On the basis of Gaussian mixture model, this paper constructs analytical conditional distributions of forecast errors for multiple wind farms with respect to forecast values. The accuracy of the proposed probabilistic models is verified by using historical data. Thereafter, a fast sampling method is proposed to generate scenarios from the conditional distributions which are non-Gaussian and interdependent. The efficiency of the proposed sampling method is verified.

研究の動機と目的

• 電力系統運用における非定常的で予測に依存する風力発電予測誤差をモデル化する課題に対処すること。
• 特定の予測値を前提とした誤差の条件付き分布を捉える確率的モデルを開発すること。
• 実際の誤差の統計的挙動を反映した、現実的で相関関係のある風力発電シナリオを生成すること。
• ステージストリック最適化およびリスク管理に使用するための、シナリオ生成の効率性と正確性を向上させること。

提案手法

• ガウス・ミックスチャーモデルを用いて、風力発電予測誤差の周辺分布を表現する。
• 予測値に基づいて誤差の条件付き分布を解析的に導出することで、その変動性を捉える。
• 非ガウス的で相関関係のある条件付き分布からのシナリオ生成を高速化するためのサンプリング手法を開発する。
• 複数の風力発電所の過去の風力発電および予測データを用いて、モデルを学習および検証する。
• サンプリング手法により、計算効率を確保するとともに、誤差の統計的依存構造を保持する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして風力発電予測誤差を予測値に依存する条件付きで正確にモデル化できるか？
• RQ2 非ガウス的で異分散性を示す誤差の性質を最もよく捉える確率的モデル構造は何か？
• RQ3 複雑な非ガウス的条件付き分布から、効率的かつ現実的なシナリオ生成をどのように達成できるか？
• RQ4 提案手法は、標準的なサンプリング手法と比較して、どの程度シナリオの質を向上させるか？

主な発見

• 提案された条件付きガウス・ミックスチャーモデルは、風力発電予測誤差の予測値に依存する変動性を効果的に捉えている。
• 無条件モデルや単純なパラメトリックモデルと比較して、条件付き誤差分布の表現精度がより高い。
• 高速なサンプリング手法により、実際の誤差の統計的構造を保持した相関関係のあるシナリオの効率的生成が可能である。
• 複数の風力発電所における実データを用いた実証的検証により、モデルが複雑な誤差ダイナミクスを正しく表現できることが確認された。