基于改進深度受限玻爾茲曼機算法的光伏發電短期功率概率預測

王繼東，冉 冉，宋智林

(天津大學 智能電網教育部重點實驗室，天津 300072)

0 引言

光伏發電具有污染少、規模靈活等優點，得到了廣泛應用。但由于光伏發電系統受環境因素影響明顯，存在不確定性、波動性、間歇性等特點，不利于電網的安全調度和能量管理，增加了電網的運行風險[1]。而光伏發電系統的波動性越大，對其發電功率進行確定性預測的預測精度就會越低，因此，對光伏發電的短期功率進行概率預測，可以更加全面地反映光伏發電信息，對于電網的安全調度和經濟管理具有重要的意義[2-3]。

文獻[4]分析了太陽輻射強度、溫度對光伏發電功率的影響，采用反傳播BP(Back Propagation)神經網絡算法建立短期光伏發電功率預測模型，對次日24 h的光伏輸出功率進行預測。文獻[5]分析了天氣類型對光伏發電出力的影響，基于BP神經網絡建立了計及天氣類型指數的光伏發電短期出力預測模型。文獻[6]利用距離分析方法分析光伏發電量與氣象因素間的相關性，確定以氣溫和濕度作為預報輸入因子，建立BP神經網絡的無輻照度發電量短期預報模型；為適應天氣突變，采用自組織特征映射SOM(Self-Organizing feature Map)由云量預報信息對天氣類型進行聚類識別。文獻[7]針對氣象專業天氣類型進行歸納合并，得到4種廣義天氣類型；提取輻照度的特征參數，建立基于支持向量機SVM(Support Vector Machine)的天氣狀態模式識別模型，辨識恢復部分歷史數據所缺失的天氣類型信息。文獻[8]建立了徑向基函數神經網絡模型對光伏系統發電功率進行預測。……