基于高阶马尔可夫链和高斯混合模型的光伏出力短期概率预测

摘要：

为提高光伏电站出力预测的准确性,给调度决策人员提供更丰富的预测信息,提出一种基于高阶马尔可夫链(high order Markov chain,HMC)和高斯混合模型(Gaussian mixture model,GMM)的光伏电站短期出力概率预测方法.首先对光伏电站的历史出力数据进行HMC建模,通过计算邻近时段光伏出力数据的Pearson相关系数确定马尔可夫链的阶数,并统计历史数据得到邻近时段光伏出力的状态转移概率矩阵.然后以此为基础建立GMM形式的光伏出力概率预测模型,并提出基于相似气象条件下的数据样本对GMM中各高斯分布的均值与方差进行修正,最终得到光伏电站出力的概率密度函数.以实际光伏电站数据为例进行分析,结果表明所提出的概率预测方法具有较高的准确性,且与传统的点预测方法相比,概率预测能够为电网运行决策提供更多有益信息.

关键词：光伏出力、短期概率预测、高阶马尔可夫链、高斯混合模型、相似气象

所属期刊栏目：47

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金51977080

在线出版日期：2023-02-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：266-274,中插61