其他
【精彩论文】基于集成学习的分布式光伏发电功率日前预测
观点凝练
摘要：对于光伏发电功率精准的日前预测有助于电网设计未来调度计划，降低新能源发电对电网的冲击，提高消纳率。提出一种Boosting集成学习框架下的光伏发电功率日前预测方法。首先，根据光伏出力主要受天气影响的特点，通过皮尔逊系数获得相关性强的气象因素，利用k-means++对与光伏发电功率相关性极强的总水平辐照度进行聚类以获得相似日数据集；然后，将极限学习机（extreme learning machine，ELM）引入Boosting框架，构建光伏出力日前预测模型（B-ELMs）；最后，利用真实光伏电站运行数据验证模型有效性，该模型在试验过程中展现出良好的适应性，最高决策系数（R2）达0.9819。实验结果表明，由于集成学习框架的存在，B-ELMs能对复杂天气下的规律性弱、波动性强的光伏出力曲线提供较为精确的预测结果；同时，相较于深度学习网络，B-ELMs的收敛速度更快，在维持较快训练速度的同时保障更为精确的预测结果。
结论：针对光伏出力受天气影响大、随着步长变短导致精准的光伏日前预测愈发困难的问题，本文提出了基于集成学习框架的光伏日前预测方法。实验结果表明，本文提出的B-ELMs模型其性能不仅优于传统的单层神经网络和深度学习网络，在数据波动大、规律性弱时，在保证收敛速度的同时，仍然能保持较好的预测性能，保障预测结果的准确性。
引文信息
刘昳娟, 陈云龙, 刘继彦, 等. 基于集成学习的分布式光伏发电功率日前预测[J]. 中国电力, 2022, 55(9): 38-45.LIU Yijuan, CHEN Yunlong, LIU Jiyan, et al. Ensemble learning-based day-ahead power forecasting of distributed photovoltaic generation[J]. Electric Power, 2022, 55(9): 38-45.往期回顾
◀【精彩论文】基于VMD和PSO-SVR的短期电力负荷多阶段优化预测◀【精彩论文】交直流混合电网仿真初始化方法◀【精彩论文】英国频率响应服务市场及对中国调频市场建设的启示◀【精彩论文】无储能动态电压恢复器安全运行区域◀【征稿启事】“分布式智能电网的规划、运行和电力交易”专栏征稿启事◀【征稿启事】“新型能源体系下电碳协同市场机制及优化运行”专栏征稿启事◀【征稿启事】“面向碳达峰碳中和目标的清洁高效发电技术”专题征稿启事◀【征稿启事】“新型电力系统低碳规划与运行”专栏征稿启事
审核：方彤
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。