基于BRICH聚类和Copula-Monte Carlo模拟的光伏发电功率概率预测

黄牧涛; 高素花; 汪旸; 曾令康; 魏聪颖; 陈兴邦

doi:10.20040/j.cnki.1000-7709.2023.20230949

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 >

基于BRICH聚类和Copula-Monte Carlo模拟的光伏发电功率概率预测

能源 | 更新时间：2026-02-25

- 基于BRICH聚类和Copula-Monte Carlo模拟的光伏发电功率概率预测
- 基于BRICH聚类和Copula-Monte Carlo模拟的光伏发电功率概率预测
- 水电能源科学 2023年第12期页码：220-224
- 作者机构：
  
  1. 华中科技大学电气与电子工程学院
  2. 华中科技大学土木与水利工程学院
  3. 国家电网有限公司华中分部调度控制中心
- 作者简介：
- 基金信息：
  
  国家电网有限公司科技项目资助(SGHZ0000DKJS2200330)
- DOI：10.20040/j.cnki.1000-7709.2023.20230949
  中图分类号： TM615
- 纸质出版：2023
- 稿件说明：
移动端阅览
黄牧涛, 高素花, 汪旸, 等. 基于BRICH聚类和Copula-Monte Carlo模拟的光伏发电功率概率预测[J]. 水电能源科学, 2023,(12):220-224.

黄牧涛, 高素花, 汪旸, et al. 基于BRICH聚类和Copula-Monte Carlo模拟的光伏发电功率概率预测[J]. 2023, (12): 220-224.
黄牧涛, 高素花, 汪旸, 等. 基于BRICH聚类和Copula-Monte Carlo模拟的光伏发电功率概率预测[J]. 水电能源科学, 2023,(12):220-224. DOI： 10.20040/j.cnki.1000-7709.2023.20230949.

黄牧涛, 高素花, 汪旸, et al. 基于BRICH聚类和Copula-Monte Carlo模拟的光伏发电功率概率预测[J]. 2023, (12): 220-224. DOI： 10.20040/j.cnki.1000-7709.2023.20230949.

摘要

光伏发电功率受气象的混沌特性影响，其随机性、波动性、间歇性对电力系统的运行影响较严重。针对原始光伏发电数据维度大及发电功率易受天气状况影响的问题，提出了基于主成分分析和BRICH聚类的数据处理方法，从而降低模型输入变量维度，易于统计建模；其次，搭建了基于Copula-Monte Carlo的光伏发电功率概率预测模型，计算光伏出力在给定未来点预测值的情况下实际出力的概率区间预测，并基于区间覆盖率、预测区间平均宽度对模型进行评价。最后，以实际光伏电站夏季数据为例进行验证分析。结果表明，Copula-Monte Carlo方法可直观展示光伏发电功率的波动区间和期望值，且优于其他功率预测模型。

Abstract

关键词

Keywords

references

基于高阶马尔可夫链和高斯混合模型的光伏出力短期概率预测[J]. 刘洁;林舜江;梁炜焜;王琼;刘明波.电网技术,2023(01)

基于高斯混合模型的光伏发电功率概率区间预测[J]. 周帆;郑常宝;胡存刚;芮涛.科学技术与工程,2021(24)

新能源电力系统概率预测：基本概念与数学原理[J]. 万灿;崔文康;宋永华.中国电机工程学报,2021(19)

基于藤copula分位数回归的光伏功率日前概率预测[J]. 许彪;徐青山;黄煜;宋菁;吉用丽;丁逸行.电网技术,2021(11)

一种改进的BRICH算法及其应用[J]. 张虎;陈建斌;魏欢.软件导刊,2015(10)

Multitasking recurrent neural network for photovoltaic power generation prediction[J]. Song Hui;Khafaf Nameer Al;Kamoona Ammar;Sajjadi Samaneh Sadat;Amani Ali Moradi;Jalili Mahdi;Yu Xinghuo;McTaggart Peter.Energy Reports,2023

Probabilistic Models for Spatio-Temporal Photovoltaic Power Forecasting[J]. Agoua Xwegnon Ghislain;Girard Robin;Kariniotakis George.IEEE Transactions on Sustainable Energy,2019

Electricity consumption probability density forecasting method based on LASSO-Quantile Regression Neural Network[J]. Yaoyao He;Yang Qin;Shuo Wang;Xu Wang;Chao Wang.Applied Energy,2019

Probabilistic forecasting of seasonal droughts in the Pearl River basin, China[J]. Yongqin David Chen;Qiang Zhang;Mingzhong Xiao;Vijay P. Singh;Sheng Zhang.Stochastic Environmental Research and Risk Assessment,2016

Short‐term photovoltaic power prediction based on MDCM‐GA‐LSTM model[J]. Liu Tianze;Liu Shusen;Wang Shunjiang;Ma Yanjuan.The Journal of Engineering,2022

浏览量

259

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

南京市不同范围暴雨特征及其天气型分析

基于Copula的西苕溪流域极端降雨洪水联合风险分析

清河干流与碾盘河洪水遭遇规律分析

基于Copula函数的江淮流域梅雨期台风降水量与梅雨雨强遭遇概率分析

基于Copula函数的西江干流与粤西沿海诸小河径流丰枯遭遇分析