基于数值特性聚类的日前光伏出力预测误差分布模型

被引:41
作者
赵书强 [1 ]
张婷婷 [1 ]
李志伟 [1 ]
李东旭 [1 ]
许晓艳 [2 ]
刘金山 [3 ]
机构
[1] 新能源电力系统国家重点实验室(华北电力大学)
[2] 中国电力科学研究院有限公司
[3] 国网青海省电力公司
基金
中央高校基本科研业务费专项资金资助; 国家重点研发计划;
关键词
光伏发电出力; 日前预测误差; 通用型高斯混合分布; 模糊C均值聚类;
D O I
暂无
中图分类号
TM615 [太阳能发电];
学科分类号
0807 ;
摘要
光伏出力预测误差难以避免且不容忽视,预测误差分布的准确描述有利于电力系统的优化调度和稳定运行。基于此,分析预测误差分布与其影响因素之间的相关性,提出一种基于数值特性聚类的日前光伏出力预测误差概率模型。利用模糊C均值聚类法对预测误差的整体水平进行分类,再依据预测出力的数值特性进行分区处理,并建立了适用于估计误差分布的通用型高斯混合模型。该分析方法综合考虑了气象因素和预测出力数值特性对预测误差的影响,可以较为准确地估计不同时刻的预测误差,给出预测误差分布的置信区间,且不受预测算法和光伏电站地理信息的限制。基于比利时和中国西北地区光伏系统历史数据的分析结果表明,所提误差模型可描述光伏出力预测误差分布偏态性和峰度多样性,效果优于其他分布模型,能够用于描述不同情况下的日前光伏出力预测误差分布。
引用
收藏
页码:36 / 45
页数:10
相关论文
共 26 条
  • [1] 考虑源荷双侧预测误差的实时发电计划闭环控制模型
    殷加玞
    赵冬梅
    [J]. 电力系统自动化, 2018, 42 (06) : 98 - 105
  • [2] 月前日负荷曲线的概率预测和随机场景模拟
    颜伟
    李丹
    朱继忠
    任洲洋
    赵霞
    余娟
    [J]. 电力系统自动化, 2017, 41 (17) : 155 - 162
  • [3] 风电功率概率预测方法及展望
    吴问足
    乔颖
    鲁宗相
    汪宁渤
    周强
    [J]. 电力系统自动化, 2017, 41 (18) : 167 - 175
  • [4] 结合相似日GA-BP神经网络的光伏发电预测
    耿博
    高贞彦
    白恒远
    何维
    董文杰
    赵友国
    [J]. 电力系统及其自动化学报, 2017, 29 (06) : 118 - 123
  • [5] 交直流混合微电网运行优化建模与不确定性分析
    丁明
    楚明娟
    潘浩
    徐志成
    [J]. 电力系统自动化, 2017, 41 (05) : 1 - 7+45
  • [6] 基于PNN/PCA/SS-SVR的光伏发电功率短期预测方法
    王昕
    黄柯
    郑益慧
    李立学
    郎永波
    吴昊
    [J]. 电力系统自动化, 2016, 40 (17) : 156 - 162
  • [8] 考虑风功率预测误差相关性的旋转备用容量优化
    包江民
    刘德伟
    耿天翔
    张新松
    曹阳
    袁越
    [J]. 可再生能源, 2015, (12) : 1845 - 1852
  • [9] 基于不确定理论的光伏出力预测研究
    赵书强
    王明雨
    胡永强
    刘晨亮
    [J]. 电工技术学报, 2015, 30 (16) : 213 - 220
  • [10] 光伏发电出力的条件预测误差概率分布估计方法
    赵唯嘉
    张宁
    康重庆
    王跃峰
    李鹏
    马烁
    [J]. 电力系统自动化, 2015, 39 (16) : 8 - 15