机构名称：
¥ 1.0
摘要 — 储能资源在参与批发电力市场时必须考虑价格不确定性及其物理运行特性。这是一个具有挑战性的问题，因为电价波动很大，而储能存在效率损失、功率和能量限制。本文提出了一种新颖、通用且可迁移的方法，将基于模型的优化与卷积长短期记忆网络相结合，用于储能响应或竞标批发电力市场。我们使用纽约州的历史价格测试了我们提出的方法，结果表明，它取得了最先进的结果，与完美预见的情况相比，在价格响应和批发市场竞标设置中，以及各种储能持续时间，利润率在 70% 到近 90% 之间。我们还通过使用纽约数据对竞标模型进行预训练并将其应用于澳大利亚昆士兰州的套利来测试迁移学习方法。结果表明，迁移学习仅用三天的本地训练数据就能实现出色的套利盈利能力，证明了其在数据可用性非常有限的场景中比从头开始训练具有显著优势。
可转让储能投标者
主要关键词
相关文件推荐
