机构名称：
¥ 1.0
太阳能和风能等可变可再生能源的增长正在增加气候不确定性对能源系统规划的影响。理想情况下，解决这个问题需要至少跨越几十年的高分辨率时间序列。然而，解决此类数据集上的容量扩展规划模型通常需要太多的计算时间或内存。为了降低计算成本，用户通常使用时间序列聚合将需求和天气时间序列压缩为较少的时间步长。方法通常是先验的，仅使用有关输入时间序列的信息。最近的研究强调了这种方法的局限性，因为减少输入时间序列的统计误差指标通常不会导致更准确的模型输出。此外，许多聚合方案不适用于具有存储的模型，因为它们会扭曲时间顺序。在本文中，我们为具有存储的模型引入了后验时间序列聚合方案。我们的方法适应底层能源系统模型；即使具有相同的时间序列输入，聚合在具有不同技术或拓扑的系统中也可能有所不同。此外，它们保留了时间顺序，因此允许对存储技术进行建模。我们研究了许多方法。我们发现后验方法比先验方法效果更好，主要是通过系统地识别和保存相关的极端事件。我们希望这些工具能让长期需求和天气时间序列在容量扩展规划研究中更易于管理。我们公开提供我们的模型、数据和代码。
具有存储的模型的后验时间序列聚合
主要关键词
相关文件推荐
