태양광 발전 출력 예측 정확도와 신뢰성을 높이기 위해, 유사일 및 분위수 회귀 포레스트(QRF)를 기반으로 한 태양광 발전 출력 확률 밀도 예측 모델을 제안합니다. 특정 태양광 발전소의 측정 데이터를 연구 대상으로 삼아 태양광 발전 출력 원시 데이터를 다른 날씨 유형으로 분류한 후, 온도 및 풍속 2개의 특성 벡터를 사용하여 유사일을 선택하고 유사일의 기록 데이터를 기반으로 BP 신경망(BPNN), 서포트 벡터 머신(SVM) 및 QRF 예측 모델을 구축합니다. 결과는 다음과 같습니다. 맑은 날씨에서, 다양한 모델의 예측 값은 실제 값의 변화 경향을 잘 추적할 수 있으며, 13:00-16:00 태양광 발전 출력이 감소하는 시간대에 QRF 모델이 실제 값에 더 가깝습니다. 구름 많은 날이나 흐린 날에는, 9:00-12:00에 3가지 모델의 예측 오차가 큽니다. 비 오는 날에는, 14:00-16:00 태양광 발전 출력이 급변하는 시간대에 BPNN 모델의 예측 오차가 가장 크며, SVM 예측 값은 QRF 모델에 비해 상대적으로 실제 값에 더 가깝고, 10:00-12:00에 SVM 모델의 예측 오차가 증가합니다. 다양한 모델과 날씨 유형에 따른 예측 오차에서 QRF 모델의 예측 성능이 더 우수합니다.

태양광 발전 출력; 확률 밀도 예측; 유사일; 분위수 회귀 포레스트; 커널 밀도 추정