Bendong Tan · Junbo Zhao · Yousu Chen · IEEE Transactions on Power Systems · 2024年7月

随着可再生能源的不断接入以及系统不确定性的存在，罕见事件的风险评估在电力系统规划和运行中变得愈发重要。然而，通过传统方法，即蒙特卡罗抽样（MCS）来量化罕见事件带来的风险，会因大量的潮流模拟而产生巨大的计算成本。为了加快评估速度，本文提出了一种深度神经网络（DNN）核化的向量值高斯过程（VVGP）方法，该方法在保持高精度的同时具有出色的计算效率。因此，作为潮流求解器的替代模型，与潮流求解器相比，DNN 核化的 VVGP 能够显著加快风险评估速度且保证评估的准确性。所开发的替代模型能够评估包含超过...

解读: 该稀有事件风险评估方法对阳光电源PowerTitan储能系统和iSolarCloud平台具有重要应用价值。在源网荷储一体化场景中，可用于优化ST系列储能变流器的容量配置与调度策略，通过量化极端工况下的风险概率（如风电骤降叠加负荷尖峰），提升储能系统应对黑启动、孤岛运行等稀有事件的能力。重要性采样技术...