【好文推荐】基于无爬坡事件定义标准晴空集的短期光伏功率预测
引
引文信息
郭洪武, 车建峰, 闫钇汛, 等. 基于无爬坡事件定义标准晴空集的短期光伏功率预测[J]. 中国电力, 2023, 56(9): 187-195.
GUO Hongwu, CHE Jianfeng, YAN Yixun, et al. Short-term photovoltaic power prediction based on standard clear sky set defined by no climbing event[J]. Electric Power, 2023, 56(9): 187-195.
摘要
光伏功率的输出受季节、气象条件及其他因素的影响具有随机性和不确定性，恶劣天气下功率输出具有较强的波动性也加大了预测的难度。提出了一种基于无爬坡事件定义标准晴空集的短期光伏功率预测模型。通过爬坡定义提取一天内均为无爬坡事件的样本点，将其定义为一个标准晴空集，并与历史实际功率做差，得到的差值作为输出目标变量，以数值天气预报作为输入变量，采用长短期记忆模型对差值进行建模预测，最后将标准晴空集与该预测差值做差，间接得到预测的光伏输出功率值。通过对某光伏电站进行仿真，并进行算例对比，所提模型的短期光伏功率预测精度提高了2%~4%，在恶劣天气下，该方法可以将平均绝对误差和均方根误差降低3%左右，验证了所提模型的性能和有效性。
结论
本文通过爬坡辨识的逆向思维构造4种季节的标准晴空集，提取标准晴空集与历史实际功率的偏差值，采用LSTM模型预测偏差值，并将其与待预测日所对应的季节标准晴空集叠加，进而间接得到预测的光伏功率值。
结果表明，本文所提方法不仅可以将光伏功率预测值控制在历史偏差值产生的范围内，也可以有效避免异常值和较大偏差值的产生，较一般模型具有更好的容错性和可控性，与直接功率预测模型相比，MAE和RMSE值可降低2%~4%，在非晴天模式下MAE可控制在10%以下，表明本文提出的方法可以有效提高光伏功率的预测精度，且在非晴天模式下具有较好的适用性。
欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！
往期回顾
审核：方彤