基于数字孪生的光伏发电功率超短期预测

• 作者: 孙荣富 王隆扬 王玉林 丁然 徐海翔 王靖然 李强
• 来源期刊: 电网技术
• 关键词: 光伏发电 功率预测 数字孪生 预测精度
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 高比例可再生能源并网|High Share of Renewable Energy Integration
• 页码范围: 1258-1264
• 页数: 7页
• 分类号: TM715
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2020.0711

摘要

光伏发电功率超短期预测对减小光伏并网对电网冲击及维持电网安全运行具有重要意义.提出一种基于数字孪生的光伏发电功率超短期预测机制,通过构建数字孪生体进行实时、高精度的光伏功率预测.首先根据GA-BP神经网络(genetic algorithm-back propagation neural network)构建光伏发电功率预测虚拟模型,并通过多维度的传感器采集光伏电池以及周围环境的各项孪生数据,同时更新历史数据库.然后以采集到的孪生数据为基础进行功率预测并得到初步预测结果.最后通过相似气象搜索,得到相似情况下的实际功率值和当时的预测功率,进而修正初步预测结果,得到最终预测功率.仿真算例结果表明,所提方法能有效提高光伏发电输出功率超短期预测精度.