वास्तविक समय स्थानिक सीमांत कीमतों की भविष्यवाणी करना: एक GAN-आधारित दृष्टिकोण

बिजली बाजार के प्रतिभागी सार्वजनिक बाजार डेटा का उपयोग करके स्थानिक सीमांत कीमतों (LMPs) का अनुमान लगाने और इष्टतम बोली रणनीतियों को निर्धारित करने के लिए डेटा-प्रेरित विधियों पर भरोसा करते हैं, क्योंकि वे गोपनीय विद्युत प्रणाली मॉडल और संचालन विवरणों तक पहुँच नहीं सकते हैं। इस लेख में, प्रणाली-व्यापी विषम सार्वजनिक बाजार डेटा को एक 3-आयामी (3D) टेन्सर में व्यवस्थित किया गया है, जो उनके स्थानिक-कालिक सहसंबंधों को संग्रहीत कर सकता है। वास्तविक समय स्थानिक सीमांत कीमतों (RTLMPs) की भविष्यवाणी के लिए एक जनरेटिव एडवर्सेरियल नेटवर्क (GAN)-आधारित दृष्टिकोण प्रस्तावित किया गया है, जो ऐतिहासिक बाजार डेटा टेन्सर में संग्रहीत स्थानिक-कालिक सहसंबंधों को सीखता है। भविष्यवाणी की सटीकता में सुधार के लिए एक ऑटोरिग्रेसिव मूविंग एवरेज (ARMA) कैलिब्रेशन विधि अपनाई गई है। मिडकॉन्टिनेंट इंडिपेंडेंट सिस्टम ऑपरेटर (MISO) और साउथवेस्ट पावर पूल (SPP) से सार्वजनिक बाजार डेटा का उपयोग करके केस अध्ययन यह दर्शाते हैं कि प्रस्तावित विधि RTLMPs के बीच स्थानिक-कालिक सहसंबंधों को सीखने में सक्षम है और सटीक RTLMP भविष्यवाणी कर सकती है।