風光水互補系統時間序列變量概率預報框架

張振東，羅 斌，覃 暉，唐海華，周 超，馮快樂

(1.長江勘測規劃設計研究有限責任公司，湖北 武漢 430010；2.長江水利委員會 互聯網+智慧水利重點實驗室，湖北 武漢 430010；3.華中科技大學 水電與土木工程學院，湖北 武漢 430074)

1 研究背景

風光水互補系統出力主要受徑流、風速、太陽輻射強度和負荷影響，獲取這四者的高精度預測結果對風光水互補系統的穩定安全運行具有重要作用。四者的共同點在于都是時間序列變量[1]，預報方法有類似之處也各有不同。

時間序列變量預測方法主要分為兩大類：物理過程驅動方法和數據驅動方法[2-4]。徑流物理過程驅動方法以水文學概念為基礎，將流域的物理特征進行概化，并結合水文經驗公式來近似地模擬流域內降雨、徑流的形成過程從而完成預報過程[5]，比如新安江模型[6]和水箱模型[7]等。風速物理過程驅動方法基于溫度、濕度、氣壓、風速等氣象數據和地形數據構建數學物理方程來模擬未來一段時間某區域或全球尺度風速變化過程，例如：數值天氣預報模型[8]。光伏物理過程驅動方法主要采用數值天氣預報和衛星圖片進行太陽輻射強度預測[9]。物理過程驅動方法的優勢在于模型可解釋性強，缺點在于對基礎數據要求高、建模復雜、求解耗時。

數據驅動方法通常根據待預測變量的歷史信息以及氣象相關因子采用機器學習或深度學習等統計類方法對徑流、風速、太陽輻射強度和負荷進行預測[10-13]。數據驅動方法的優點是預報速度快、預測精度較高；……