基于天气相似聚类与QRNN的短期光伏功率区间概率预测

为减少光伏发电的不确定性对电力系统造成的影响,描绘更为准确、清晰的光伏出力区间,提出一种基于天气相似聚类与分位数回归神经网络(QRNN)单调模型的短期光伏功率区间概率预测模型。首先,QRNN单调模型在预测过程中引入单调性,保证单调的分位数结果,并采用Huber范数近似替代原损失函数,弥补了传统区间预测分位数交叉及损失函数不可微的缺陷。其次,基于气象信息的数据特征,采用动态自组织映射聚类算法,通过神经元竞争与更新确定神经元邻域权重结构,并根据其邻域权重大小将天气聚类为晴天、多云天与阴天,得到相似天气下的数据集。然后,在不同天气条件下对影响光伏出力的因素进行相关性分析,得到不同天气下的天气影响特征,并作为输入因子输入神经网络中。最后,以澳大利亚沙漠知识太阳能中心实际数据集为例进行区间预测,并采用核密度估计给出概率预测结果,验证了所提方法的可靠性。