基于最小二乘支持向量機的光伏出力超短期預測

張華彬，楊明玉

(華北電力大學電氣與電子工程學院，河北保定　071003)

Ultra-Short-term Forecasting for Photovoltaic Power Output Based on Least Square Support Vector MachineZHANG Huabin，YANG Mingyu

(School of Electrical and Electronic Engineering，North China Electric Power University，Baoding 071003，China)

?

基于最小二乘支持向量機的光伏出力超短期預測

張華彬，楊明玉

(華北電力大學電氣與電子工程學院，河北保定071003)

0引言

隨著光伏電站并網容量的增大，在緩解能源危機和降低環境污染問題的同時，光伏出力的隨機性也對電網的安全穩定運行帶來了嚴峻挑戰[1-3]。對于一個既定的電網，其接納光伏電站并網容量一般不宜超過10%～15%[4]，這在一定程度上限制了光伏系統的發展。因此，加強光伏出力預測研究，對于提高系統穩定運行能力、電網經濟合理調度、降低系統旋轉備用容量等都具有重要意義。

光伏出力預測根據預測方法可分為直接法和間接法：前者利用歷史出力數據和氣象信息，直接建模進行預測；后者需要先建立太陽輻射強度預測模型，然后二次建模預測光伏出力。根據預測時間尺度可分為提前1～2d進行的短期出力預測和提前15min～4h的超短期出力預測。文獻[5]提出了一種神經網絡短期出力預測模型，但對不同日類型進行統一泛化擬合，預測效果較差。文獻[6-7]利用光伏出力和氣象信息的采樣點數據輸入神經網絡模型，對連續幾個預測日的光伏出力分別作了短期預測，總體預測精度較高，但當天氣類型變化較快時預測精度還有待提高。文獻[8]先由衛星云圖信息建模推出云層指數，然后由云層指數、太陽天頂角、大氣消光系數預測地表太陽輻射強度，最后再建立最小二乘支持向量機(Least Square Support Vector Machine，LS-SVM)超短期模型提前1h預測光伏出力?！?br>