基于最小二乘滤波-肖维勒准则的光伏异常功率数据清洗及预测应用

• 作者: 王勃 李振元 孙勇 王凯旋 裴岩
• 来源期刊: 昆明理工大学学报（自然科学版）
• 关键词: 光伏异常功率识别 超短期预测 最小二乘滤波 肖维勒准则 秩次集对分析
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 能源科学与电力工程|Energy Science and Power Engineering
• 页码范围: 59-71
• 页数: 13页
• 分类号: TM615
• 语种: 中文
• DOI: 10.16112/j.cnki.53-1223/n.2021.02.451

摘要

光伏功率数据受天气情况影响难免存在异常使得多步预测难以达到理想的准确率.为克服这些缺陷,利用最小二乘滤波能准确识别数据时间序列突变的优点,建立了基于最小二乘滤波-肖维勒准则的光伏功率异常数据识别模型.将修正后的吉林省两座光伏电站功率数据应用于傅里叶分解-秩次集对分析模型进行超短期预测,仿真结果表明,与肖维勒准则相比,最小二乘滤波-肖维勒准则模型具有识别准确率高、适用性良好等优点,且修正后的数据运用于超短期预测也具有较高的预测精度.