基于太陽角度模型和兼具精度-穩定性的光伏發電組合預測方法

王曉龍

山西省智慧交通研究院有限公司,山西 太原 030032

0 引言

風、光等新能源發電功率的精確預測對于制定經濟可靠的電力調度計劃至關重要[1-3]。新能源發電預測主要有模型驅動和數據驅動2種方法。數據驅動方法主要有支持向量回歸(SVR)、多層感知機(MLP)神經網絡、集成樹模型、長短期記憶(LSTM)神經網絡等,其中MLP在新能源出力預測應用較為廣泛[4]。而XGBoost、LightGBM以及隨機森林等方法因其建模能力強且不容易過擬合,在新能源出力回歸預測獲得了廣泛應用。然而樹模型對于高維稀疏特征建模較為困難,且算法參數過多,調參復雜,使用難度較高。LSTM、門控循環單元(GRU)等可提取時序信息,相比MLP的點對點映射模型,在光伏發電的短期和超短期預測方面具有獨特優勢[5]。由此可見,單個預測模型有各自的優勢,若將其進行組合預測,可發揮不同預測模型的優勢,相比單個預測模型具有更高的精度和穩定性[6]。

數據驅動方法大多從模型結構和超參數優化角度提高預測精度,較少從提高數據有效信息的角度進行思考。基于數值天氣預報(NWP)和數據模型直接建立起氣象預報和功率映射是一種常見的新能源發電功率預測方法。然而NWP中關于輻射的預報通常只包含水平輻射通量,即單位水平面接收到的總輻射量,包括太陽的直接輻射和空氣的散射。傾斜的光伏板所接收的輻射量受太陽光入射角、直接輻射量以及空氣散射量影響。文獻[7]在基于氣象預測和光電轉化模型的光伏發電短期預測中,將光伏板傾角對輻射的影響納入了考慮范圍?！?br>