基于MFM-CG-DBN模型的高渗透率光伏微电网发电功率短期预测

徐小明; 王占海

doi:10.19912/j.0254-0096.tynxb.2024-1900

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于MFM-CG-DBN模型的高渗透率光伏微电网发电功率短期预测

更新时间：2026-07-22

- 基于MFM-CG-DBN模型的高渗透率光伏微电网发电功率短期预测
- Vol. 47, Issue 6, Pages: 628-636(2026)
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：10.19912/j.0254-0096.tynxb.2024-1900
  CLC： TM73
- Online First：08 July 2026，
  
  Published：2026
- 稿件说明：
移动端阅览
徐小明, 王占海. 基于MFM-CG-DBN模型的高渗透率光伏微电网发电功率短期预测[J]. 2026, 47(6): 628-636.
DOI：

徐小明, 王占海. 基于MFM-CG-DBN模型的高渗透率光伏微电网发电功率短期预测[J]. 2026, 47(6): 628-636. DOI： 10.19912/j.0254-0096.tynxb.2024-1900.

摘要

为提升高渗透率光伏微电网发电功率预测精准度

提出一种改进马尔科夫链位移时序预测法（MFM）

用以优化共轭梯度法（CG）-深度信念网络（DBN）组合预测模型（CG-DBN）存在的特征提取不充分、预测不精确问题。首先

借助Pearson相关系数分析高渗透率光伏微电网发电功率的影响因素;其次

借助马尔科夫链位移时序预测法具有的无后效性特点

将残差修正过程应用于CG-DBN预测模型

构建MFM-CG-DBN高渗透率光伏微电网发电功率短期预测模型;最后

利用MFM-CG-DBN短期预测模型对晴天、多云与雨天3类型天气下的高渗透率光伏微电网发电功率数据进行仿真。仿真结果显示

所提短期预测模型较传统CG-DBN短期预测模型具有更高预测精度

可满足高渗透率光伏微电网发电功率预测需求。

Abstract

To improve the accuracy of power generation prediction in high penetration photovoltaic microgrids

this paper proposes an improved Markov chain displacement time series prediction method （MFM） to optimize the problems of insufficient feature extraction and inaccurate prediction in the conjugate gradient method （CG） - deep belief network （DBN） combined prediction model （CG-DBN）. Firstly

using Pearson correlation coefficient to analyze the influencing factors of high penetration photovoltaic microgrid power generation; Secondly

taking advantage of the inefficiency of Markov chain displacement time series prediction method

the residual correction process is applied to the CG-DBN prediction model to construct a short-term prediction model for the power generation of MFM-CG-DBN high penetration photovoltaic microgrids; Finally

the MFM-CG-DBN short-term prediction model is used to simulate the power generation data of high penetration photovoltaic microgrids under three types of weather conditions： sunny

cloudy

and rainy. The simulation results show that the proposed short-term prediction model has higher prediction accuracy than the traditional CG-DBN short-term prediction model

and can meet the demand for high penetration photovoltaic microgrid power generation prediction.

关键词

Keywords

references

许健, 刘念, 于雷, 等. 计及重要负荷的工业光伏微电网储能优化配置[J]. 电力系统保护与控制, 2016, 44(9): 29-37.

李廷钧, 杜欣慧, 姚宏民. 计及用户评价的智能用电社区分层优化调度[J]. 电网技术, 2018, 42(11): 3486-3495.

滕陈源, 丁逸超, 张有兵, 等. 基于VMD-Informer-BiLSTM模型的超短期光伏功率预测[J]. 高电压技术, 2023, 49(7): 2961-2971.

王涛, 王旭, 许野, 等. 计及相似日的LSTM光伏出力预测模型研究[J]. 太阳能学报, 2023, 44(8): 316-323.

普智勇, 夏攀, 张璐, 等. 机器学习与统计方法在太阳能预报中的比较性分析[J]. 太阳能学报, 2023, 44(7): 162-167.

张程熠, 唐雅洁, 李永杰, 等. 适用于小样本的神经网络光伏预测方法[J]. 电力自动化设备, 2017, 37(1): 101-106, 111.

BATES J M, GRANGER C W J. The combination of forecasts[J]. Journal of the Operational Research Society, 1969, 20(4): 451-468.

李正明, 高赵亮, 梁彩霞. 基于FCM和CG-DBN的光伏功率短期预测[J]. 现代电力, 2019, 36(5): 62-67.

PROUDMAN J, REDDING S.Evolving patterns of international trade[J]. Review of international economics, 2000, 8(3): 373-396.

辛欣瑶, 汪建文, 赵煜, 等. 考虑扇区划分的自然风风向建模[J]. 太阳能学报, 2022, 43(11): 311-316.

宋绍剑, 李博涵. 基于LSTM网络的光伏发电功率短期预测方法的研究[J]. 可再生能源, 2021, 39(5): 594-602.

宋煜, 郭军红, 袁荔, 等. 基于逐步聚类分析的短期光伏发电预测方法[J]. 热能动力工程, 2023, 38(10): 158-166.

李斌, 张一凡, 颜世烨, 等. 基于改进极限学习机ELM的光伏发电预测方法研究[J]. 热能动力工程, 2022, 37(10): 207-214.

王瑞, 闫豪, 逯静. 基于ICEEMDAN-MBWO-WKELM短期光伏功率预测[J]. 电力电子技术, 2024, 58(2): 59-63.

吕玉坤, 赵润一, 周庆文, 等. 环境因素对光伏组件的温度及输出特性影响研究[J]. 太阳能学报, 2024, 45(11): 194-203.

师浩琪, 郭力, 刘一欣, 等. 基于多源气象预报总辐照度修正的光伏功率短期预测[J]. 电力自动化设备, 2022, 42(3): 104-112.

郭斯琦, 楼劲, 郑凌蔚. 考虑热网特性的综合能源系统混合时间尺度调度方法[J]. 电力建设, 2024, 45(12): 16-26.

欧阳卫年, 赵紫昱, 陈渊睿. 自样本特征构造的1DCNN-BiLSTM网侧光伏功率预测[J]. 电力系统及其自动化学报, 2024, 36(3): 151-158.

HINTON G E, OSINDERO S, TEH Y W.A fast learning algorithm for deep belief nets[J]. Neural computation, 2006, 18(7): 1527-1554.

刘友波, 吴浩, 刘挺坚, 等. 集成经验模态分解与深度学习的用户侧净负荷预测算法[J]. 电力系统自动化, 2021, 45(24): 57-64.

韩冰, 柳师捷, 陈宇航. 基于EEMD和EIIKF的船舶轴系状态趋势预测研究[J]. 中国航海, 2023, 46(4): 141-146.

邢志伟, 刘鹏, 李彪, 等. 多马尔可夫链协同的航班客舱保障过程预测[J]. 计算机工程与设计, 2024, 45(3): 948-955.

赵洪山, 孙承妍, 温开云. 基于多气象类型加权和改进高斯混合模型的光伏出力超短期概率预测[J]. 太阳能学报, 2024, 45(7): 567-576.

吴慧军, 郭超雨, 苏承国, 等. 基于EEMD-GRU-MC的短期风功率组合预测方法[J]. 南方电网技术, 2023, 17(2): 66-73.

鞠泽慧. 光伏微电网发电预测及优化调度研究[D]. 南昌: 南昌大学, 2022.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

RELIABILITY ASSESSMENT OF GRID-CONNECTED MICROGRIDS BASED ON FUZZY GO-FLOW METHODOLOGY

基于层级嵌套博弈的微电网独立储能与供需双响应协同优化策略

基于改进SAC算法的多微电网经济优化调度研究

碳-绿证联合交易机制下多微网系统多能源互济优化调度模型研究

高渗透率可再生能源接入下考虑网络重构和需求响应的微电网低碳优化调度

Related Author

Yue Dawei

Jiang Yi

Yang Mingzhe

Li Lianbing

Shang Yueyang

Zhang Shuailong

邹阳

姚雨佳

Related Institution

Hebei Key Laboratory of Electromagnetic Field and Electrical Reliability （Hebei University of Technology）

State Key Laboratory of Reliability and Intelligence of Electrical Equipment （Hebei University of Technology）

School of Artificial Intelligence, Hebei University of Technology

School of Electrical Engineering and Automation, Hefei University of Technology

State Grid Anhui Electric Power Company

AI问答

⁰