基于CNN-BiLSTM负荷预测方法的VPP低碳调度策略

摘要

在“双碳”战略背景下，基于传统预测方法下的电力负荷预测数据，现有的调度策略难以兼顾机组动态碳排放特性以及源网荷间的互动要求。基于此，提出基于组合预测模型的虚拟电厂低碳调度策略。首先，建立基于负荷预测的虚拟电厂调度架构，并提出基于特征筛选的卷积神经网络——双向长短记忆网络组合模型；其次，利用二氧化碳排放量监测模型下的燃煤机组运行数据，通过拟合建立各机组的动态碳排放强度模型；进一步，分析柔性工业、商业和居民负荷的调控特性，建立调控成本模型，进而结合碳排放机制建立低碳调度模型。仿真结果表明：所提策略能基于特征数据提升复杂特征环境下对日前电力负荷的预测精度，并优化不同碳排放特性的燃煤机组出力，降低碳排放量，同时实现源网荷间的互动，降低电网的发电和运营成本。

关键词

碳排放强度 / 低碳调度 / 虚拟电厂 / 负荷预测 / 机器学习