基于CEEMD-DBN模型的光伏出力日前区间预测

• 作者: 杨茂 王凯旋
• 来源期刊: 高电压技术
• 关键词: 光伏发电 区间预测 相似日 互补集合经验模态分解 优化深度信念网络 数据噪声处理
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 促进可再生能源消纳的发电功率预测技术及应用专题|Special Isssue on Power Generation Forecasting Technology and Its Application to Promote the Consumption of Renewable Energy
• 页码范围: 1156-1164
• 页数: 9页
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.20201406

摘要

光伏输出功率具有随机性和不确定性,这些特点使得建立准确的预测方法变得比较困难,而与传统的确定性点预测方法相比,光伏出力区间预测对电力系统的安全稳定运行及经济调度更为重要.为此,提出了一种基于互补集合经验模态分解(omplementary ensemble empirical mode decomposition,CEEMD)和模拟退火(simulated annealing,SA)算法优化后的深度信念网络(deep belief network,DBN)的光伏发电出力日前区间预测模型.首先,通过综合因素相似系数筛选出晴天和多云天气的相似日样本集.在此基础上,利用CEEMD将光伏出力序列分解为多个特征不同的分量.然后,使用SA-DBN和核密度估计(kernel density estimation,KDE)对光伏输出功率进行日前区间预测.最后,通过算例数据验证了所提方法的有效性.多座光伏电站的历史数据分析结果表明,所提出的模型可以较为精确地给出基于误差分布的置信区间上下限,且不受光伏电站所处地理位置的影响.