考虑气象关联信息匹配及趋势突变感知的光伏功率短期区间预测

作     者：李一 

作者单位：东北电力大学 

学位级别：硕士

导师姓名：杨茂

授予年度：2024年

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 

主      题：时空相关性 匹配度 光伏输出类型 马尔科夫链 状态转移概率矩阵 功率突变 

摘      要：光伏是一种重要的新能源发电形式,光伏发电本身具有间歇性、随机性和不确定性等特点。光伏发电的大规模并网为电力系统的安全稳定运行带来了严峻挑战,同时由于光伏发电具有间歇性等特点,这也提高了电力部门调度规划的难度,因此准确的光伏功率预测是保证新能源并网后电力系统安全稳定运行的重要手段之一。 当前区间预测方法对光伏功率的物理变化过程挖掘仍不完整,且省域内网格气象预报数据存在匹配度偏低的问题。针对该问题,本文根据功率与多维数值天气预报数据的相关性筛选出省域内匹配度偏低的电站。分析省域内各光伏电站功率数据具有辐角特性及时差特性。利用机器学习挖掘不同光伏电站间的时空相关性,建立二阶扩展隐马尔科夫链模型进行气象信息关联匹配重构数值天气预报数据。选择多种预测模型对比重构前后的气象数据,表明气象信息重构能够提升低匹配度电站的预测效果。 本文在马尔科夫链模型基础上引入曲线变化与预测精度的关联影响进行时间尺度为短期的光伏功率点预测。首先,通过集成聚类分别划分出趋势序列和随机序列,其中趋势序列用于表征周期性、随机序列表征随机性。其次,使用一阶差分改进的马尔科夫链模型预测趋势序列,随机序列由差分整合移动平均自回归模型预测。最后,根据吉林省某光伏电站历史运行数据分别建立预测模型。算例结果表明基于集成聚类及改进马尔科夫链模型的方法相较于传统马尔科夫链模型准确率有所提高,提升了预测效果。 由于光伏功率确定性预测中产生的误差难以避免,而区间预测能够充分描述光伏发电模式中不确定性、随机性等的存在,可以为电力调度部门提供进一步指导用于相关决策。本文在常规区间预测仅考虑趋势变化的基础上增加对待预测日曲线趋势突变的感知,引入时序关联因素和数值突变因素,建立所有考虑因素与预测误差的状态转移概率矩阵得到预测区间上限及下限。本文框架应用于吉林省某光伏电站,相较于其他方法,区间的覆盖率有所提升,覆盖宽度标准均有所降低。通过算例结果可以说明本文方法能够得到可靠的预测精度及预测区间。