基于数据统计特性考虑误差修正的两阶段光伏功率预测

被引:49
作者
刘杰 [1 ]
陈雪梅 [1 ]
陆超 [1 ]
毛航银 [2 ]
机构
[1] 清华大学电机工程与应用电子技术系
[2] 国网浙江省电力有限公司电力科学研究院
关键词
光伏功率预测; 主成分分析; 聚类分析; 多重线性回归; 误差修正;
D O I
暂无
中图分类号
TM615 [太阳能发电];
学科分类号
080811 [新能源发电与电能存储];
摘要
提高光伏功率预测的准确性有助于电网调度计划的制定,对于电力系统安全稳定和经济运行具有重要意义。基于数据的统计特性分析,提出一种考虑误差修正的两阶段光伏功率预测模型。首先,利用主成分分析(principal component analysis,PCA)克服因气象因素间相关性导致的回归模型共线性问题,通过波动量分析和聚类分析建立了输出功率与气象类型之间更精细的匹配模型;然后采用回归分析的方法构建了各子集对应的多重线性回归模型,实现光伏功率的初步预测;最后根据初步预测误差的分布特性,建立了更为准确的初步预测误差概率分布模型,实现初步预测结果的误差修正。基于实际光伏功率曲线和气象数据的算例结果验证了所提方法的有效性。
引用
收藏
页码:2891 / 2897
页数:7
相关论文
共 5 条
[1]
光伏发电出力预测技术研究综述 [J].
赖昌伟 ;
黎静华 ;
陈博 ;
黄玉金 ;
韦善阳 .
电工技术学报, 2019, 34 (06) :1201-1217
[2]
基于多尺度聚类分析的光伏功率特性建模及预测应用 [J].
管霖 ;
赵琦 ;
周保荣 ;
吕耀棠 ;
赵文猛 ;
姚文峰 .
电力系统自动化, 2018, 42 (15) :24-30
[3]
基于混沌-RBF神经网络的光伏发电功率超短期预测模型 [J].
王育飞 ;
付玉超 ;
孙路 ;
薛花 .
电网技术, 2018, 42 (04) :1110-1116
[4]
基于粒子群优化理论的可靠性分布模型的极大似然参数估计法 [J].
薛玉霞 ;
申桂香 ;
张英芝 ;
贾亚洲 .
吉林大学学报(工学版) , 2009, (工学版) :219-221
[5]
Solar photovoltaic system modeling and performance prediction.[J].Tao Ma;Hongxing Yang;Lin Lu.Renewable and Sustainable Energy Reviews.2014,