这篇文档属于类型a，即报告了一项原创研究。以下是根据要求生成的学术报告：
作者与机构
本研究的两位主要作者是Jethro Browell和Matteo Fasiolo。Jethro Browell来自英国格拉斯哥大学数学与统计学院，同时也是斯特拉斯克莱德大学电子与电气工程系的访问学者；Matteo Fasiolo来自英国布里斯托大学数学学院。研究于2021年11月发表在《IEEE Transactions on Smart Grid》期刊上。
学术背景
本研究的主要科学领域是电力系统的概率预测（probabilistic forecasting），特别是针对净负荷（net-load）的预测。随着可再生能源（如风能和太阳能）在电力系统中的渗透率不断提高，净负荷（即消费减去嵌入式发电）的预测变得越来越复杂且具有挑战性。净负荷的预测不仅需要准确，还需要提供概率分布，尤其是在尾部（tails）的预测，这对于管理低概率事件相关的风险至关重要。然而，尾部数据的稀缺性使得模型的估计和预测评估变得困难。因此，本研究旨在提出一种新的框架，用于生成净负荷的概率预测，特别关注尾部预测的准确性。
研究流程
1. 研究目标与框架设计
本研究的目标是开发一种能够准确预测净负荷概率分布的方法，特别是针对尾部的预测。研究采用了基于广义帕累托分布（Generalized Pareto Distribution, GPD）的模型，允许其参数随协变量（covariates）平滑变化。研究还结合了网格数值天气预报（gridded Numerical Weather Prediction, NWP）数据，以提升预测的准确性。
数据准备与模型选择
研究使用了英国电力系统的历史数据，涵盖2014年至2018年的净负荷数据，时间分辨率为半小时。数据来自英国的14个电网供应点组（Grid Supply Point Groups, GSP Groups）。此外，研究还使用了欧洲中期天气预报中心（ECMWF）的高分辨率天气预测数据。研究选择了广义加性模型（Generalized Additive Models, GAMs）和线性分位数回归（linear quantile regression）作为基础模型，用于生成非极端分位数的预测。
极端分位数预测
针对极端分位数的预测，研究采用了峰值超过阈值法（Peaks-Over-Threshold method）和广义帕累托分布（GPD）。与传统的固定参数GPD不同，本研究允许GPD的参数随协变量变化，从而更好地捕捉尾部行为。研究还通过分位数回归与GPD的结合，构建了完整的预测分布。
模型评估与验证
研究通过三折交叉验证（three-fold cross-validation）对模型进行了训练和验证，最终在2018年的数据上进行了测试。评估指标包括分位数回归的Pinball分数、区间宽度（interval width）以及校准性（calibration）。此外，研究还通过蠕虫图（worm plots）和可靠性图（reliability diagrams）对预测的校准性进行了可视化分析。
应用案例：备用容量设置
研究进一步将预测方法应用于备用容量（reserve）设置的实际案例中。通过比较不同预测方法所需的备用容量，研究验证了所提出方法在减少备用容量需求的同时，能够更好地管理风险。
主要结果
1. 非极端分位数预测
研究结果表明，基于GAMs的模型在预测非极端分位数时表现优于传统的基准模型（vanilla benchmark）。特别是在嵌入风能和太阳能发电量较高的区域，GAMs模型的预测准确性显著提高。此外，天气特征的引入（如风速和太阳辐射）对预测性能的提升尤为明显。
极端分位数预测
对于极端分位数的预测，研究提出的条件GPD模型在保持校准性的同时，提供了比固定参数GPD更尖锐（sharper）的预测区间。这表明条件GPD能够更准确地捕捉尾部的不确定性，从而为决策提供更有价值的信息。
备用容量设置
在实际应用中，条件GPD模型能够显著减少备用容量的需求。与固定参数GPD相比，条件GPD在极端概率水平（如0.01%-0.25%）下所需的备用容量减少了10.8%至24.6%。此外，条件GPD还能够识别出其他方法无法捕捉的高风险时段，从而更好地管理风险。
结论与意义
本研究提出了一种基于条件GPD的净负荷概率预测框架，能够有效应对可再生能源渗透率提高带来的预测挑战。研究表明，条件GPD在预测尾部不确定性方面具有显著优势，能够提供更尖锐且校准的预测。在实际应用中，该方法不仅能够减少备用容量的需求，还能更好地管理风险，具有重要的应用价值。
研究亮点
1. 创新性方法
本研究首次将条件GPD应用于净负荷的极端分位数预测，允许GPD参数随协变量变化，从而更好地捕捉尾部行为。
实际应用价值
研究通过备用容量设置的案例，验证了所提出方法在实际电力系统操作中的有效性，展示了其在减少成本和风险管理方面的双重优势。
数据与模型的结合
研究结合了网格数值天气预报数据，提升了预测的准确性，为未来在更广泛区域的应用提供了参考。
其他有价值的内容
研究还探讨了网格数值天气预报数据在净负荷预测中的潜在价值，尽管在当前框架下其贡献有限，但研究指出，通过构建不同的特征，未来可能进一步挖掘其潜力。此外，研究还提出了未来工作的方向，包括考虑区域间的时空依赖性以及基于净负荷组成部分的极端预测方法。
以上是本研究的全面报告，涵盖了研究的背景、流程、结果、结论及其意义与亮点。