Stochastic Capacity Accreditation: Incentivizing Resource Adequacy under Weather Uncertainty
作者: Hangrui Liu, Shen Wang, Audun Botterud, Miguel F. Anjos
分类: eess.SY
发布日期: 2026-07-21
备注: 10 pages, 4 figures
💡 一句话要点
提出随机容量认证以应对天气不确定性带来的资源充足性挑战
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 容量认证 天气不确定性 可再生能源 随机优化 电力市场 资源充足性 投资决策
📋 核心要点
- 现有容量信用认证方法忽视天气相关的不确定性，可能导致对可靠容量的高估和投资决策的扭曲。
- 本文提出一种两阶段随机优化框架，能够显式捕捉风能、太阳能和温度依赖的热衰减的不确定性。
- 实验结果表明，考虑天气不确定性的方法提供了更可靠的投资信号，相比之下，确定性方法导致的可靠性结果较差。
📝 摘要（中文）
高比例可再生能源的接入带来了显著的资源充足性挑战，尤其是在天气驱动的不确定性影响可再生能源的可用性、电力需求和热发电机的有效容量时。现有的容量信用认证方法往往忽视这些相关的天气效应，可能导致对可靠容量的高估，扭曲长期投资决策，并削弱电力市场中的可靠性结果。本文提出了一种两阶段随机优化框架，用于容量认证，明确捕捉风能、太阳能和温度依赖的热衰减的不确定性。通过对比确定性和平均认证方法，结果表明纳入天气不确定性能够提供更具信息量的容量信用和更可靠的投资信号。
🔬 方法详解
问题定义：本文旨在解决高比例可再生能源接入下，现有容量信用认证方法忽视天气不确定性所带来的资源充足性挑战。现有方法可能导致对可靠容量的高估，从而影响长期投资决策。
核心思路：论文提出的随机优化框架通过两阶段方法，明确考虑风能、太阳能和温度对热发电机衰减的影响，从而更准确地评估容量信用。
技术框架：整体架构分为两个阶段：第一阶段为数据收集与不确定性建模，第二阶段为基于模型的容量信用评估与优化。主要模块包括数据处理、模型构建和结果分析。
关键创新：最重要的创新在于将天气不确定性纳入容量认证过程，显著提高了容量信用的准确性和可靠性，与传统的确定性方法形成鲜明对比。
关键设计：在模型中，采用了历史数据进行不确定性建模，并设计了相应的损失函数以优化容量信用评估，确保模型能够有效反映天气变化对资源充足性的影响。
🖼️ 关键图片
📊 实验亮点
实验结果显示，考虑天气不确定性的方法相比于确定性和平均认证方法，能够提供更具信息量的容量信用，提升了投资信号的可靠性。具体而言，采用随机方法的容量信用评估在可靠性结果上有显著改善，减少了资源扩展决策的扭曲。
🎯 应用场景
该研究的潜在应用领域包括电力市场的容量认证、可再生能源的投资决策以及电力系统的可靠性评估。通过更准确的容量信用评估，能够为政策制定者和投资者提供更可靠的决策依据，促进可再生能源的有效整合与利用。
📄 摘要（原文）
High penetrations of variable renewable energy introduce significant resource adequacy challenges, particularly when weather-driven uncertainty affects renewable availability, electricity demand, and the effective capacity of thermal generators. Existing capacity credit accreditation methods often neglect these correlated weather effects, which may overstate firm capacity, distort long-term investment decisions, and weaken reliability outcomes in electricity market with price caps. This paper proposes a two-stage stochastic optimization framework for capacity accreditation that explicitly captures uncertainty in wind, solar, and temperature-dependent thermal derating. Using five years of ERCOT demand and renewable availability data, we compare the proposed stochastic capacity credit method with deterministic and average accreditation approaches, and quantify the impact of alternative accreditation methods on reliability, investment incentives, and the value of weather information. The results show that incorporating weather uncertainty yields more informative capacity credits and more reliable investment signals. In contrast, deterministic and averaged approaches can distort resource expansion decisions and produce materially worse reliability outcomes. These findings demonstrate the importance of explicitly accounting for weather uncertainty in capacity accreditation and long-term resource adequacy planning.