基于藤copula分位数回归的光伏功率日前概率预测

被引：61

作者：

许彪 ^{[1
]}

徐青山 ^{[1
]}

黄煜 ^{[1
]}

宋菁 ^{[2
]}

吉用丽 ^{[1
]}

丁逸行 ^{[1
]}

机构：

[1] 东南大学电气工程学院

[2] 南京南瑞继保电气有限公司

来源：

电网技术 | 2021年 / 45卷 / 11期

基金：

国家重点研发计划;

关键词：

光伏功率; 概率预测; 分位数回归; 藤copula; 分位点交叉;

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：

现有分位点回归方法在进行多分位点预测时往往需要为每个分位点单独建立模型,不仅训练成本高还会导致"分位点交叉"。对此,提出了一种基于藤copula分位数回归的光伏功率日前概率预测模型。利用藤copula对光伏功率及其条件变量间的相依结构进行解析化表达,基于优化算法对藤copula结构及参数进行优化,在此基础上建立起光伏功率条件分位数回归模型;在条件变量中引入光伏功率点预测量,并借助最小化连续秩概率分数(continuousrank probability score,CRPS)权衡可靠性与锐度,筛选出最佳条件组合。算例仿真结果表明,该方法克服了现有分位数回归方法的缺点,进一步提升了光伏功率概率预测性能。

引用

页码：4426 / 4435

页数：10

共 23 条

[1]

基于改进贝叶斯神经网络的光伏出力概率预测 [J].

赵康宁 ;

蒲天骄 ;

王新迎 ;

李烨 .

电网技术, 2019, 43 (12) :4377-4386

[2]

即插即用能量组织日前负荷概率预测方法 [J].

王玥 ;

张宇帆 ;

李昭昱 ;

艾芊 ;

吕天光 .

电网技术, 2019, 43 (09) :3055-3060

[3]

杨秀 ;

陈斌超 ;

朱兰 ;

方陈 .

电网技术, 2019, 43 (09) :3061-3071

[4]

基于数值特性聚类的日前光伏出力预测误差分布模型 [J].

赵书强 ;

张婷婷 ;

李志伟 ;

李东旭 ;

许晓艳 ;

刘金山 .

电力系统自动化, 2019, 43 (13) :36-45

[5]

Probabilistic solar power forecasting based on weather scenario generation.[J].Mucun Sun;Cong Feng;Jie Zhang.Applied Energy.2020, C

[6]

Conditional aggregated probabilistic wind power forecasting based on spatio-temporal correlation.[J].Mucun Sun;Cong Feng;Jie Zhang.Applied Energy.2019, C

[7]

Probabilistic forecasting of high-resolution clear-sky index time-series using a Markov-chain mixture distribution model.[J].Joakim Munkhammar;Dennis van der Meer;Joakim Widén.Solar Energy.2019,

[8]

Probabilistic Models for Spatio-Temporal Photovoltaic Power Forecasting [J].

Agoua, Xwegnon Ghislain ;

Girard, Robin ;

Kariniotakis, George .

IEEE TRANSACTIONS ON SUSTAINABLE ENERGY, 2019, 10 (02) :780-789

[9]

Probabilistic individual load forecasting using pinball loss guided LSTM.[J].Yi Wang;Dahua Gan;Mingyang Sun;Ning Zhang;Zongxiang Lu;Chongqing Kang.Applied Energy.2019,

[10]

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,

← 1 2 3 →