基于ARIMA和SVR的光伏电站超短期功率预测

被引：47

作者：

赫卫国 ^{[1
]}

郝向军 ^{[1
]}

郭雅娟 ^{[2
]}

曹潇 ^{[1
]}

陈锦铭 ^{[2
]}

梅飞 ^{[3
]}

刘皓明 ^{[3
]}

机构：

[1] 中国电力科学研究院

[2] 国网江苏省电力公司电力科学研究院

[3] 河海大学能源与电气学院

来源：

广东电力 | 2017年 / 30卷 / 08期

关键词：

光伏电站; 超短期; 功率预测; ARIMA; SVR;

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：

利用光伏电站气象站实际监测历史数据,建立基于自回归滑动平均(autoregressive integrated moving average,ARIMA)模型和支持向量回归(support vector regression,SVR)的光伏电站超短期功预测模型来实现光伏电站超短期功率的实时跟踪和预测,为此,先用预测日实测数据进行辐照强度和气温ARIMA时间序列的单步预测;其次,辐照强度和气温预测结果输入SVR模型得到下一预测点的输出功率预测值;最后,采用预测点的实测辐照强度、气温、功率数据对原有ARIMA时间序列进行实时更新,以进行再下一预测点的功率预测,依次循环得到预测日全天的输出功率曲线。通过4种不同天气状况下光伏电站的超短期输出功率预测,对ARIMA-SVR模型的有效性进行了验证。

引用

页码：32 / 37

页数：6

共 11 条

[1]

组合数值天气预报与地基云图的光伏超短期功率预测模型 [J].

朱想 ;

居蓉蓉 ;

程序 ;

丁宇宇 ;

周海 .

电力系统自动化, 2015, 39 (06) :4-10+74

[2]

基于机器学习的自适应光伏超短期出力预测模型 [J].

高阳 ;

张碧玲 ;

毛京丽 ;

刘勇 .

电网技术, 2015, 39 (02) :307-311

[3]

地基云图结合径向基函数人工神经网络的光伏功率超短期预测模型 [J].

陈志宝 ;

丁杰 ;

周海 ;

程序 ;

朱想 .

中国电机工程学报, 2015, 35 (03) :561-567

[4]

基于多维时间序列局部支持向量回归的微网光伏发电预测 [J].

黄磊 ;

舒杰 ;

姜桂秀 ;

张继元 .

电力系统自动化, 2014, 38 (05) :19-24

[5]

基于EEMD-SVM方法的光伏电站短期出力预测 [J].

茆美琴 ;

龚文剑 ;

张榴晨 ;

曹雨 ;

徐海波 .

中国电机工程学报, 2013, 33 (34) :17-24+5

[6]

计及天气类型指数的光伏发电短期出力预测 [J].

袁晓玲 ;

施俊华 ;

徐杰彦 .

中国电机工程学报, 2013, 33 (34) :57-64+12

[7]

基于模糊识别的光伏发电短期预测系统 [J].

陈昌松 ;

段善旭 ;

蔡涛 ;

代倩 .

电工技术学报, 2011, 26 (07) :83-89

[8]

Probabilistic solar power forecasting in smart grids using distributed information.[J].R.J. Bessa;A. Trindade;Cátia S.P. Silva;V. Miranda.International Journal of Electrical Power and Energy Systems.2015,

[9]

Solar irradiance forecasting using spatial-temporal covariance structures and time-forward kriging.[J].Dazhi Yang;Chaojun Gu;Zibo Dong;Panida Jirutitijaroen;Nan Chen;Wilfred M. Walsh.Renewable Energy.2013,

[10]

Solar radiation forecast based on fuzzy logic and neural networks.[J].S.X. Chen;H.B. Gooi;M.Q. Wang.Renewable Energy.2013,

← 1 2 →