基于天气变化自适应分型与匹配的分布式光伏短期功率预测方法

作     者：葛俊雄 蔡国伟 姜柳 庞振江 于同伟 赵武博文 Ge Junxiong;Cai Guowei;Jiang Liu;Pang Zhenjiang;Yu Tongwei;Zhao Wubowen

作者机构：东北电力大学电气工程学院吉林吉林132012 沈阳工程学院信息学院辽宁沈阳110136 深圳市国电科技通信有限公司深圳518000 国网辽宁省电力有限公司电力科学研究院辽宁沈阳110055 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2024年第61卷第15期

页      面：288-299页

核心收录：

学科分类：0808[工学-电气工程] 070207[理学-光学] 07[理学] 0702[理学-物理学] 

主　　题：短期功率预测 K-Medoids-Grey天气分型 改进多元宇宙算法 卷积神经网络 

摘      要：近年来,国家大力推动分布式光伏发电,准确可靠的光伏功率预测对于保证大规模分布式光伏接入电网是必不可少的。当前的分布式光伏功率预测方法尚未充分考虑到气象因素的影响,难以提升预测精度。针对上述问题,提出一种基于天气变化过程的自适应分型与匹配的分布式光伏短期功率预测方法。首先通过K-Medoids-Grey实现天气过程的场景划分,再通过改进的多元宇宙算法对卷积神经网络进行优化,实现分布式光伏的短期预测。以中国甘肃省某分布式光伏用户为例进行验证。结果表明,在测试集中,IMVO-CNN方法在聚类情况下的预测精度比不聚类情况下预测精度提高9.83百分点,验证了该方法的有效性。