基于多策略混合模型的光伏集群功率预测研究

作     者：邱丽红 

作者单位：西安理工大学 

学位级别：硕士

导师姓名：马文涛;马云柱

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：光伏集群功率预测 相关向量机 宽度学习系统 广义最大互关熵准则 混合模型 

摘      要：在能源急迫转型、新型电力系统快速建设的背景下,光伏发电作为清洁、可再生的能源形式备受瞩目。然而,光伏发电的不确定性和难以预测性给电网的控制运行带来了挑战。随着大规模集群光伏场站的发展,单一场站的功率预测已经难以满足电网区域调度和控制的需求,因此集群场站的功率预测变得至关重要。本文围绕光伏单一场站和集群场站功率预测的相关预测精度、预测复杂性等问题展开研究,重点关注光伏集群场站功率预测中所面临的数据规模大、非线性、预测方法适用性有限等挑战。为提升集群场站的预测精度,本文提出多策略混合模型进行光伏功率的预测,主要研究内容如下: (1)针对光伏发电的基本原理、影响因素以及出力特性等基础问题进行了分析。从理论和实际的角度深入分析了单一场站和集群场站光伏出力的基本特点,包括明确数据的处理方式、预测模型的评价指标等基础工作,为后续的研究奠定基础。 (2)针对光伏单一场站功率预测精度提升的问题,研究了基于优化相关向量机(Relevance vector machine,RVM)的混合预测方法,用于光伏单个场站的功率预测。首先,采用RVM作为预测模型,但RVM的性能受到自由参数的显著影响。为了解决这一问题,引入了麻雀搜索算法(Sparrow search algorithm,SSA),利用其优越的搜索能力、高精度和快速收敛性优化RVM参数,从而构建了 SSA-RVM模型。其次,通过最大信息系数(Maximal information coefficient,MIC)和皮尔森(Pearson correlation coefficient,PCC)相关系数法对影响因素进行特征选择,有效确定预测模型的主要输入变量。最后,形成混合模型SSA-RVM,并将其应用于实际单一场站的功率预测中,进行不同季节和天气状况下的预测实验。仿真结果表明,该模型的预测结果相关系数R2达到了 0.95以上,充分验证了模型的准确性。 (3)针对光伏集群场站数据规模庞大、异常值较多、统计升尺度法适用性有限等关键问题,研究了基于改进统计升尺度法的多策略混合预测方法,用于光伏集群场站的功率预测。首先,引入广义最大互相关熵准则(Generalized maximum correntropy criterion,GMCC)替代宽度学习系统(Broad learning system,BLS)的均方误差(Mean square error,MSE)损失函数,形成广义宽度学习系统GBLS模型,以提升非线性预测性能。为进一步提升GBLS的预测结果,采用的RVM作为误差修正模型,对GBLS得到的初始功率预测结果进行校正,实现可靠的误差补偿。同时,采用SSA优化GBLS和RVM的相关参数,确保模型性能最优。其次,采用改进的统计升尺度方法,有效减轻升尺度倍增系数的不确定性导致的预测误差。最后,形成多策略混合模型SSA-GBLS-RVM,并将其应用于实际集群场站的功率预测。仿真结果表明,该模型的预测结果在相关评价指标上均优于其他对比模型,其平均绝对百分比误差MAPE值基本稳定在10%以内,验证了模型的有效性。