一种二模态天气分型方法及其在光伏功率概率预测的应用

付小标; 侯嘉琪; 李宝聚; 温亚坤; 赖晓文; 郭雷; 王志伟; 王尧; 张海锋; 李德鑫

doi:10.12096/j.2096-4528.pgt.23017

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

一种二模态天气分型方法及其在光伏功率概率预测的应用

新能源 | 更新时间：2025-06-15

- 一种二模态天气分型方法及其在光伏功率概率预测的应用
- A Two-Modal Weather Classification Method and Its Application in Photovoltaic Power Probability Prediction
- 发电技术 2024年45卷第2期页码：299-311
- 作者机构：
  
  1.国网吉林省电力有限公司电力调度控制中心,吉林省长春市 130021
  2.北京清能互联科技有限公司创新中心,北京市海淀区 100084
  3.清华四川能源互联网研究院交易与运筹研究所,四川省成都市 610299
  4.国网吉林省电力有限公司电力科学研究院,吉林省长春市 130021
- 作者简介：
  
  [ "付小标(1979)，男，硕士，高级工程师，研究方向为电力系统调度运行与管理，syfuxb@jl.sgcc.com.cn；" ]
  [ "侯嘉琪(1998)，女，硕士，研究方向为新能源功率预测，本文通信作者，houjq@tsintergy.com；" ]
  [ "李宝聚(1986)，男，博士，高级工程师，研究方向为电力系统调度运行与管理，libaoju1986@163.com；" ]
  [ "温亚坤(1993），男，硕士，工程师，研究方向为人工智能、负荷预测，wenyk@tsintergy.com；" ]
  [ "赖晓文(1988)，男，博士，高级工程师，研究方向为电力系统调度优化、电力市场，laixwthu@163.com；" ]
  [ "李德鑫(1985)，男，硕士，高级工程师，研究方向为新能源技术研究与应用，lidexin0323@163.com。" ]
- 基金信息：
  
  国网吉林省电力有限公司揭榜挂帅项目(2021JBGS-09)
- DOI：10.12096/j.2096-4528.pgt.23017
  中图分类号： TK 01;TM 615
- 收稿日期：2023-02-20，
  
  纸质出版日期：2024-04-30
- 稿件说明：
移动端阅览
付小标,侯嘉琪,李宝聚等.一种二模态天气分型方法及其在光伏功率概率预测的应用[J].发电技术,2024,45(02):299-311.

FU Xiaobiao,HOU Jiaqi,LI Baoju,et al.A Two-Modal Weather Classification Method and Its Application in Photovoltaic Power Probability Prediction[J].Power Generation Technology,2024,45(02):299-311.
付小标,侯嘉琪,李宝聚等.一种二模态天气分型方法及其在光伏功率概率预测的应用[J].发电技术,2024,45(02):299-311. DOI： 10.12096/j.2096-4528.pgt.23017.

FU Xiaobiao,HOU Jiaqi,LI Baoju,et al.A Two-Modal Weather Classification Method and Its Application in Photovoltaic Power Probability Prediction[J].Power Generation Technology,2024,45(02):299-311. DOI： 10.12096/j.2096-4528.pgt.23017.

摘要

天气分型是光伏功率预测中不可或缺的预处理步骤，为精细刻画光伏出力的不确定性，提出一种新的基于光伏功率聚类的二模态天气分类方法。该方法结合气象信息和功率信息进行天气分型，为天气分型在光伏功率预测的应用提供了一条有效的新路径。此外，该方法使用数据融合技术，依据融合数值天气预报(numeric weather prediction，NWP)气象和实际气象二者间的相关信息进行天气分型，以减少模型对NWP准确度的依赖并提高模型的鲁棒性。以吉林某光伏电站数据为例，验证了该天气分型方法的合理性，同时，将天气分型方法与功率概率预测相结合，其测算结果表明，使用所提方法进行天气分型概率预测的区间覆盖率更接近预设的置信水平，且平均带宽更窄。

Abstract

Weather classification is an indispensable preprocessing step in photovoltaic (PV) power prediction. A new two-modal weather classification methods based on PV power clustering was proposed to finely depict the uncertainty of PV power output. Both PV power data and meteorological data were considered for weather classification

providing a novel and effective path for PV power prediction. In addition

data fusion technology was used to extract relevant information from both numeric weather prediction (NWP) data and measured meteorological data to help for weather classification. This approach reduces the model’s reliance on the accuracy of forecasted meteorological indicators and improve the robustness of the model. Experiments based on data from a PV power station in Jilin demonstrated the rationality of the proposed weather classification method. Combining the PV power probability prediction with the proposed weather classifier resulted in prediction interval coverage probabilities closer to the preassigned confidence level and narrower mean prediction interval width.

关键词

Keywords

references

IEA ． World energy outlook 2017 [R ] ． Paris ： IEA ， 2017 ． doi: 10.1787/g2659b7a2e-en http://dx.doi.org/10.1787/g2659b7a2e-en

吴攀．光伏发电系统发电功率预测 [J ] ．发电技术， 2020 ， 41 ( 3 )： 231 - 236 ． doi: 10.12096/j.2096-4528.pgt.19113 http://dx.doi.org/10.12096/j.2096-4528.pgt.19113

WU P ． Power forecasting of photovoltaic power generation system [J ] ． Power Generation Technology ， 2020 ， 41 ( 3 )： 231 - 236 ． doi: 10.12096/j.2096-4528.pgt.19113 http://dx.doi.org/10.12096/j.2096-4528.pgt.19113

吕清泉，张珍珍，马彦宏，等．区域光伏发电出力特性分析研究 [J ] ．发电技术， 2022 ， 43 ( 3 )： 413 - 420 ． doi: 10.12096/j.2096-4528.pgt.21060 http://dx.doi.org/10.12096/j.2096-4528.pgt.21060

LÜ Q Q ， ZHANG Z Z ， MA Y H ， et al ． Analysis and research on output characteristics of regional photovoltaic power generation [J ] ． Power Generation Technology ， 2022 ， 43 ( 3 )： 413 - 420 ． doi: 10.12096/j.2096-4528.pgt.21060 http://dx.doi.org/10.12096/j.2096-4528.pgt.21060

张思，杨晓雷，阙凌燕，等．高比例光伏发电对浙江电网电力平衡的影响及应对策略 [J ] ．浙江电力， 2022 ， 41 ( 11 )： 9 - 16 ．

ZHANG S ， YANG X L ， QUE L Y ， et al ． The impact of high-proportion photovoltaic power generation on the power balance of Zhejiang power grid and its countermeasures [J ] ． Zhejiang Electric Power ， 2022 ， 41 ( 11 )： 9 - 16 ．

刘宇，赵映，李世朝．光伏发电系统在火力发电厂的应用研究 [J ] ．内蒙古电力技术， 2022 ， 40 ( 2 )： 36 - 39 ．

LIU Y ， ZHAO Y ， LI S Z ． Research on application of photovoltaic power generation system in thermal power plant [J ] ． Inner Mongolia Electric Power ， 2022 ， 40 ( 2 )： 36 - 39 ．

朱林，韩涛，董颖华，等．基于时变因素的光伏发电系统可靠性评估 [J ] ．中国电力， 2023 ， 56 ( 1 )： 158 - 165 ．

ZHU L ， HAN T ， DONG Y H ， et al ． Reliability evaluation of photovoltaic system based on time varying factors [J ] ． Electric Power ， 2023 ， 56 ( 1 )： 158 - 165 ．

王鹏翔，沈娟，王菁旸，等．基于PCA-LMD-WOA-ELM的短期光伏功率预测 [J ] ．智慧电力， 2022 ， 50 ( 6 )： 72 - 78 ． doi: 10.3969/j.issn.1673-7598.2022.06.012 http://dx.doi.org/10.3969/j.issn.1673-7598.2022.06.012

WANG P X ， SHEN J ， WANG J Y ， et al ． Short term photovoltaic power prediction based on PCA-LMD-WOA-ELM [J ] ． Smart Power ， 2022 ， 50 ( 6 )： 72 - 78 ． doi: 10.3969/j.issn.1673-7598.2022.06.012 http://dx.doi.org/10.3969/j.issn.1673-7598.2022.06.012

AHMED R ， SREERAM V ， MISHRA Y ， et al ． A review and evaluation of the state-of-the-art in PV solar power forecasting：techniques and optimization [J ] ． Renewable and Sustainable Energy Reviews ， 2020 ， 124 ： 1364 - 0321 ． doi: 10.1016/j.rser.2020.109792 http://dx.doi.org/10.1016/j.rser.2020.109792

国家能源局．光伏发电站功率预测系统技术要求：NB/T 32011—2013 [S ] ．北京：新华出版社， 2014 ．

National Energy Bureau of the People’s Republic of China ． Technical requirement of power forecasting system for PV power station：NB/T 32011—2013 [S ] ． Beijing ： Xinhua Publishing House ， 2014 ．

赵唯嘉，张宁，康重庆，等．光伏发电出力的条件预测误差概率分布估计方法 [J ] ．电力系统自动化， 2015 ， 39 ( 16 )： 8 - 15 ． doi: 10.1002/pip.1210 http://dx.doi.org/10.1002/pip.1210

ZHAO W J ， ZHANG N ， KANG C Q ， et al ． A method of probabilistic distribution estimation of conditional forecast error for photovoltaic power generation [J ] ． Automation of Electric Power Systems ， 2015 ， 39 ( 16 )： 8 - 15 ． doi: 10.1002/pip.1210 http://dx.doi.org/10.1002/pip.1210

ISHII T ， OTANI K ， TAKASHIMA T ， et al ． Solar spectral influence on the performance of photovoltaic (PV) modules under fine weather and cloudy weather conditions [J ] ． Progress in Photovoltaics：Research and Applications ， 2013 ， 21 ( 4 )： 481 - 489 ． doi: 10.1002/pip.1210 http://dx.doi.org/10.1002/pip.1210

WANG F ， ZHANG Z ， LIU C ， et al ． Generative adversarial networks and convolutional neural networks based weather classification model for day ahead short-term photovoltaic power forecasting [J ] ． Energy Conversion and Management ， 2019 ， 181 ： 443 - 462 ． doi: 10.1016/j.enconman.2018.11.074 http://dx.doi.org/10.1016/j.enconman.2018.11.074

WANG F ， ZHEN Z ， LIU C ， et al ． Image phase shift invariance based cloud motion displacement vector calculation method for ultra-short-term solar PV power forecasting [J ] ． Energy Conversion and Management ， 2018 ， 157 ： 123 - 135 ． doi: 10.1016/j.enconman.2017.11.080 http://dx.doi.org/10.1016/j.enconman.2017.11.080

叶林，裴铭，路朋，等．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 ， 45 ( 1 )： 44 - 54 ． doi: 10.7500/AEPS20200613003 http://dx.doi.org/10.7500/AEPS20200613003

YE L ， PEI M ， LU P ， et al ． Combination forecasting method of short-term photovoltaic power based on weather classification [J ] ． Automation of Electric Power Systems ， 2021 ， 45 ( 1 )： 44 - 54 ． doi: 10.7500/AEPS20200613003 http://dx.doi.org/10.7500/AEPS20200613003

刘倩，胡强，杨凌帆，等．基于时间序列的深度学习光伏发电模型研究 [J ] ．电力系统保护与控制， 2021 ， 49 ( 19 )： 87 - 98 ． doi: 10.19783/j.cnki.pspc.201494 http://dx.doi.org/10.19783/j.cnki.pspc.201494

LIU Q ， HU Q ， YANG L F ， et al ． Deep learning photovoltaic power generation model based on time series [J ] ． Power System Protection and Control ， 2021 ， 49 ( 19 )： 87 - 98 ． doi: 10.19783/j.cnki.pspc.201494 http://dx.doi.org/10.19783/j.cnki.pspc.201494

陈向群，杨茂涛，刘谋海，等．基于模糊聚类分析的电能质量扰动模式识别方法 [J ] ．电力科学与技术学报， 2022 ， 37 ( 2 )： 79 - 85 ．

CHEN X Q ， YANG M T ， LIU M H ， et al ． Disturbance pattern recognition method of power quality based on the fuzzy clustering analysis [J ] ． Journal of Electric Power Science and Technology ， 2022 ， 37 ( 2 )： 79 - 85 ．

赵舫，盛青，王新刚，等．基于主成分分析合作博弈的电网负荷智能预测方法研究 [J ] ．电网与清洁能源， 2022 ， 38 ( 2 )： 48 - 52 ． doi: 10.3969/j.issn.1674-3814.2022.02.007 http://dx.doi.org/10.3969/j.issn.1674-3814.2022.02.007

ZHAO F ， SHENG Q ， WANG X G ， et al ． A study on the intelligent load forecasting method of power grids based on principal component analysis and cooperative game [J ] ． Power System and Clean Energy ， 2022 ， 38 ( 2 )： 48 - 52 ． doi: 10.3969/j.issn.1674-3814.2022.02.007 http://dx.doi.org/10.3969/j.issn.1674-3814.2022.02.007

王勃，冯双磊，刘纯．基于天气分型的风电功率预测方法 [J ] ．电网技术， 2014 ， 38 ( 1 )： 93 - 98 ． doi: 10.13335/j.1000-3673.pst.2014.01.015 http://dx.doi.org/10.13335/j.1000-3673.pst.2014.01.015

WANG B ， FENG S L ， LIU C ． Study on weather typing based wind power prediction [J ] ． Power System Technology ， 2014 ， 38 ( 1 )： 93 - 98 ． doi: 10.13335/j.1000-3673.pst.2014.01.015 http://dx.doi.org/10.13335/j.1000-3673.pst.2014.01.015

CHEN C ， DUAN S ， CAI T ， et al ． Online 24-h solar power forecasting based on weather type classification using artificial neural network [J ] ． Solar Energy ， 2011 ， 85 ( 11 )： 2856 - 2870 ． doi: 10.1016/j.solener.2011.08.027 http://dx.doi.org/10.1016/j.solener.2011.08.027

李芬，周尔畅，孙改平，等．一种新型天气分型方法及其在光伏功率预测中的应用 [J ] ．上海交通大学学报， 2021 ， 55 ( 12 )： 1510 - 1519 ．

LI F ， ZHOU E C ， SUN G P ， et al ． A novel weather classification method and its application in photovoltaic power prediction [J ] ． Journal of Shanghai Jiao Tong University ， 2021 ， 55 ( 12 )： 1510 - 1519 ．

AGHABOZORGI S ， SEYED SHIRKHORSHIDI A ， YING WAH T ． Time-series clustering：a decade review [J ] ． Information Systems ， 2015 ， 53 ： 16 - 38 ． doi: 10.1016/j.is.2015.04.007 http://dx.doi.org/10.1016/j.is.2015.04.007

BENGIO Y ， COURVILLE A ， VINCENT P ． Representation learning：a review and new perspectives [J ] ． IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2013 ， 35 ( 8 )： 1798 - 1828 ． doi: 10.1109/tpami.2013.50 http://dx.doi.org/10.1109/tpami.2013.50

赵亮．多模态数据融合算法研究 [D ] ．大连：大连理工大学， 2018 ．

ZHAO L ． Research on multimodal data fusion methods [D ] ． Dalian ： Dalian University of Technology ， 2018 ．

乔延辉，韩爽，许彦平，等．基于天气分型的风光出力互补性分析方法 [J ] ．电力系统自动化， 2021 ， 45 ( 2 )： 82 - 88 ． doi: 10.7500/AEPS20200812006 http://dx.doi.org/10.7500/AEPS20200812006

QIAO Y H ， HAN S ， XU Y P ， et al ． Analysis method for complementarity between wind and photovoltaic power outputs based on weather classification [J ] ． Automation of Electric Power Systems ， 2021 ， 45 ( 2 )： 82 - 88 ． doi: 10.7500/AEPS20200812006 http://dx.doi.org/10.7500/AEPS20200812006

管霖，赵琦，周保荣，等．基于多尺度聚类分析的光伏功率特性建模及预测应用 [J ] ．电力系统自动化， 2018 ， 42 ( 15 )： 24 - 30 ． doi: 10.7500/AEPS20171027003 http://dx.doi.org/10.7500/AEPS20171027003

GUAN L ， ZHAO Q ， ZHOU B R ， et al ． Multi-scale clustering analysis based modeling of photovoltaic power characteristics and its application in prediction [J ] ． Automation of Electric Power Systems ， 2018 ， 42 ( 15 )： 24 - 30 ． doi: 10.7500/AEPS20171027003 http://dx.doi.org/10.7500/AEPS20171027003

BALTRUSAITIS T ， AHUJA C ， MORENCY L P ． Multimodal machine learning：a survey and taxonomy [J ] ． IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2019 ， 41 ( 2 )： 423 - 443 ． doi: 10.1109/tpami.2018.2798607 http://dx.doi.org/10.1109/tpami.2018.2798607

朱乔木．基于深度学习的电力系统暂态稳定评估及风电功率预测方法研究 [D ] ．武汉：华中科技大学， 2019 ．

ZHU Q M ． Research on power system transient stability assessment and wind power prediction method based on deep learning [D ] ． Wuhan ： Huazhong University of Science and Technology ， 2019 ．

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 ．

SHI H Q ， GUO L ， LIU Y X ， et al ． Short-term forecasting of photovoltaic power based on total irradiance correction of multi-source meteorological forecast [J ] ． Electric Power Automation Equipment ， 2022 ， 42 ( 3 )： 104 - 112 ．

张永蕊，阎洁，林爱美，等．多点数值天气预报风速和辐照度集中式修正方法研究 [J ] ．发电技术， 2022 ， 43 ( 2 )： 278 - 286 ． doi: 10.12096/j.2096-4528.pgt.22005 http://dx.doi.org/10.12096/j.2096-4528.pgt.22005

ZHANG Y R ， YAN J ， LIN A M ， et al ． Integrated correction method of multi-point numerical weather prediction wind speed and irradiance [J ] ． Power Generation Technology ， 2022 ， 43 ( 2 )： 278 - 286 ． doi: 10.12096/j.2096-4528.pgt.22005 http://dx.doi.org/10.12096/j.2096-4528.pgt.22005

COWLEY B R ， SEMEDO J D ， ZANDVAKILI A ， et al ． Distance covariance analysis [C ] // International Conference on Artificial Intelligence and Statistics ， PMLR ， 2017 ， 54 ： 242 - 251 ．

MATTESON D S ， TSAY R S ． Independent component analysis via distance covariance [J ] ． Journal of the American Statistical Association ， 2017 ， 112 ( 518 )： 623 - 637 ． doi: 10.1080/01621459.2016.1150851 http://dx.doi.org/10.1080/01621459.2016.1150851

HUO X ， SZÉKELY G J ． Fast computing for distance covariance [J ] ． Technometrics ， 2016 ， 58 ( 4 )： 435 - 447 ． doi: 10.1080/00401706.2015.1054435 http://dx.doi.org/10.1080/00401706.2015.1054435

ZHANG N ， KANG C ， XU Q ， et al ． Modelling and simulating the spatio-temporal correlations of clustered wind power using copula [J ] ． Journal of Electrical Engineering and Technology ， 2013 ， 8 ( 6 )： 1615 - 1625 ． doi: 10.5370/jeet.2013.8.6.1615 http://dx.doi.org/10.5370/jeet.2013.8.6.1615

WĘGLARCZYK S ． Kernel density estimation and its application [J ] ． ITM Web of Conferences ， 2018 ， 23 ： 00037 ． doi: 10.1051/itmconf/20182300037 http://dx.doi.org/10.1051/itmconf/20182300037

DURANTE F ， SEMPI C ． Copula theory：an introduction [C ] //Copula Theory and Its Applications， Lecture Notes in Statistics ． Berlin，Heidelberg ： Springer ， 2010 ： 3 - 31 ． doi: 10.1007/978-3-642-12465-5_1 http://dx.doi.org/10.1007/978-3-642-12465-5_1

KHOSRAVI A ， NAHAVANDI S ， CREIGHTON D ． Construction of optimal prediction intervals for load forecasting problems [J ] ． IEEE Transactions on Power Systems ， 2010 ， 25 ( 3 )： 1496 - 1503 ． doi: 10.1109/tpwrs.2010.2042309 http://dx.doi.org/10.1109/tpwrs.2010.2042309

KHOSRAVI A ， NAHAVANDI S ， CREIGHTON D ， et al ． Comprehensive review of neural network-based prediction intervals and new advances [J ] ． IEEE Transactions on Neural Networks ， 2011 ， 22 ( 9 )： 1341 - 1356 ． doi: 10.1109/tnn.2011.2162110 http://dx.doi.org/10.1109/tnn.2011.2162110

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于信息间隙决策理论鲁棒模型的户用微电网优化运行

基于白鲨算法与改进长短期记忆网络的光伏出力预测

风光氢氨醇一体化技术和产业综述

分布式光伏电站投资决策及经济性分析

考虑需求响应和碳交易的园区氢电耦合系统两阶段鲁棒优化调度