基于相似日和分位数回归森林的光伏发电 功率概率密度预测

• 作者: 丁海华 何锋 章义军 章建华
• 来源期刊: 热力发电
• 关键词: 光伏发电功率 概率密度预测 相似日 分位数回归森林 核密度估计
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 太阳能发电技术
• 页码范围: 64-69
• 页数: 6页
• 分类号: TM914
• 语种: 中文
• DOI: 10.19666/j.rlfd.201902031

摘要

为提高光伏发电功率预测精度及可靠性,提出一种基于相似日和分位数回归森林(QRF)的光伏发电功率概率密度预测模型.选取某光伏电站实测数据为研究对象,在将光伏发电功率原始数据按不同天气类型进行分类的基础上,通过温度和风速2个特征向量选取相似日,并对相似日历史数据建立BP神经网络(BPNN)、支持向量机(SVM)和QRF预测模型.结果表明:晴天时,不同模型预测值均能较好跟踪真实值变化趋势,在13:00—16:00光伏发电功率下降时间段,QRF模型更接近真实值;多云或阴天时,在9:00—12:00,3种模型预测误差均较大;雨天时,在14:00—16:00光伏发电功率突变时间段,BPNN模型预测误差最大,SVM预测值相对于QRF模型更接近真实值,而在10:00—12:00,SVM模型预测误差增大.对不同模型不同天气类型下的预测误差,QRF模型预测性能更佳.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何锋		3	8	2.0	2.0
2	章义军		1	3	1.0	1.0
3	章建华		2	3	1.0	1.0
4	丁海华		1	3	1.0	1.0