基于户外实证数据挖掘的光伏发电功率预测模型研究

• 作者: 赵上懿 曾湘安 李文超 覃家祥 许楚斯 洪志浩 李淮 陶友季 王俊 揭敢新
• 来源期刊: 环境技术
• 关键词: 光伏发电 户外实证 数据挖掘 机器学习 发电功率预测
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 技术专栏|TECHNICAL COLUMN
• 页码范围: 160-165,169
• 页数: 7页
• 分类号: TM615|TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1004-7204.2021.02.043

摘要

光伏发电作为太阳能发电的主要技术之一,近年来发展迅速.光伏户外实证作为一种评价光伏产品在真实环境下发电性能的手段,近年来得到了广泛应用.然而,由于户外环境的复杂性与多变性,光伏组件的户外实证结果无法直接对比评价.为解决这一问题,可以基于机器学习技术为实证数据搭建发电功率预测模型,然后把不同环境条件下的光伏组件的数据拟合到相同的条件下,从而实现实证结果可比.为探究何种机器学习算法能在实证数据上有更好预测表现,共5种机器学习的算法被用来分析一组光伏组串一年的实证数据集.结果显示,得益于算法本身的集成性和复杂性,XGBoost算法在该数据集上的表现最好(测试集R2=0.975,MSE=0.0088);另外,值得注意的是5种算法在该数据集上均表现良好,证实了实证数据本身具备较高的数据质量,表明了光伏户外实证测试的有效性.