基于电量-功率的多模态映射的长预见期光伏集群功率预测

现有光伏功率预测方法的时间尺度大多短于7 d,长预见期时间尺度下建立的时序预测模型的拟合能力难以满足需求。提出一种基于电量-功率多模态映射的长预见期(8~15 d)光伏集群功率预测方法。对天气进行分型并提取粗粒度下的光伏出力特性,在此基础上对细粒度电量进行预测;基于出力特性构建约束,将预测电量还原为功率,实现长预见期下光伏功率的有效预测。将所提方法应用于甘肃某光伏集群,预测精度提升了6.58个百分点,在实现长预见期预测的同时,提高了可靠性。

基于功率重构和时序特性约束的长预见期光伏集群功率预测

光伏装机容量的逐渐增大为大规模的光伏并网带来了巨大挑战,突破更长预见期的光伏功率预测有助于电力系统的安全稳定运行。现有研究及应用最长预见期为7 d,为将预见期延长至8~15 d,提出了一种基于功率重构和时序特性约束的长预见期光伏集群功率预测方法。首先,采用近似积分计算日电量和辐照能;其次,基于麻雀搜索算法优化变分模态分解以分解电量及辐照能序列,并采用多元线性回归模型对不同频率的分量进行预测叠加得到电量预测结果;然后,根据出力特性建立约束过程,将电量预测结果重构为光伏功率;最后,将所提方法应用于中国甘肃省某光伏集群,模型在不同季节典型月功率预测的均方根误差平均降低2.55%,验证了方法的有效性。