1. 国网江苏省电力有限公司
2. 南瑞集团公司
3. 南京邮电大学自动化学院,人工智能学院
Published:2025
移动端阅览
[J]. 2025, (9): 101-109.
DOI:
[J]. 2025, (9): 101-109. DOI: 10.26963/j.psce.2025.09012.
精准的光伏发电功率预测有助于电网稳定运行与能源就地消纳,针对可获取到数值天气预报(numerical weather prediction
NWP)数据的分布式光伏电站,提出一种基于相似日与数据机理混合驱动的光伏发电功率预测方法。首先,采用改进的迭代自组织数据分析算法(iterative self-organizing data analysis techniques algorithm
ISODATA),根据光伏发电功率曲线划分出不同的相似日,使用三次样条插值法与皮尔逊相关系数进行偏差修正;其次,构建数据驱动的蜣螂优化算法(dung beetle optimizer
DBO)优化的核极限学习机(kernel extreme learning machine
KELM)和最小二乘支持向量机(least squares support vector machine
LSSVM)模型以及机理驱动的物理模型;最后,采用Stacking集成学习框架对数据模型物理模型进行融合,实现数据机理混合驱动的分布式光伏发电功率预测。算例结果表明,该方法在不同天气类型下均表现出较高的预测精度和鲁棒性,为分布式光伏电站的功率预测提供了有效解决方案。
白如雪.基于改进相似日和LSTM神经网络的短期光伏功率预测方法研究[D].山东大学,2023(01).
阳霜,罗滇生,何洪英,阳经伟,胡时雨.基于EMD-LSSVM的光伏发电系统功率预测方法研究[J].太阳能学报,2016(06).
张家安,王琨玥,陈建,郭凌旭,黄潇潇,范瑞卿,李志军.基于空间相关性的分布式光伏出力预测[J].电力建设,2020(03).
叶林,裴铭,路朋,赵金龙,何博宇.基于天气分型的短期光伏功率组合预测方法[J].电力系统自动化,2021(01).
祁乐,唐健,陈新和,江平.新能源实时错误数据辨识与修正深度学习模型[J].电网与清洁能源,2020(11).
杨国清,张凯,王德意,刘菁,秦美荣.基于包络线聚类的多模融合超短期光伏功率预测算法[J].电力自动化设备,2021(02).
唐雅洁,龚迪阳,倪筹帷,王波,张雪松,朱耿.基于邻域前向时序最优组合的分布式光伏超短期功率预测[J].浙江电力,2021(10).
乔路丽,方诗琦,赵庭锐,方铭润,张楠楠.基于相似日和IGA-BP的光伏发电功率预测方法研究[J].电网与清洁能源,2022(01).
王彪,吕洋,陈中,赵奇,张梓麒,田江.考虑信息时移的分布式光伏机理-数据混合驱动短期功率预测[J].电力系统自动化,2022(11).
高博,茆超,张冲标,钱伟杰,冯超,朱超.基于时空图网络的分布式光伏发电出力预测[J].电力系统及其自动化学报,2023(03).
黄杨珏,张晓珂,沈开程,戴小然,朱远哲,汪进锋,贾梦麒.基于智能混合预测策略的短期光伏功率预测[J].电网与清洁能源,2023(11).
陈凡,李智,丁津津,樊磊,伍骏杰.考虑光伏机理与数据驱动结合的短期功率预测[J].科学技术与工程,2023(20).
李智,丁津津,陈凡,伍骏杰,樊磊.计及机理机制的Stacking集成光伏发电预测[J].科学技术与工程,2023(19).
董明,李晓枫,杨章,常益,任明,张崇兴,焦在滨.基于数据驱动的分布式光伏发电功率预测方法研究进展[J].电网与清洁能源,2024(01).
黄泽,毕贵红,谢旭,赵鑫,陈臣鹏,张梓睿,骆钊.基于MBI-PBI-ResNet的超短期光伏功率预测[J].电力系统保护与控制,2024(02).
方朝雄,郑洁云,张章煌,陈若晨,周霞,王子博.基于相似日与VMD-DBO-KELM的分布式光伏发电功率预测方法[J].高电压技术,2025(07).
0
Views
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution