基于多特征分析和提取的短期光伏功率预测

摘要：

在对短期光伏发电功率预测时,多维数值天气预报(numerical weather prediction,NWP)数据中存在大量冗余和不相关特征,不仅影响预测的准确度,也会增加模型的复杂度,为此提出一种基于多特征分析和提取的短期光伏功率预测模型.通过K-means++聚类选取与预测日具有相似天气类型的历史数据作为训练样本,利用一阶差分具有滤波的特性对不稳定的特征数据进行处理,同时构造新特征;引入因子分析法,考虑特征与输出功率之间的相关性并提取有效特征,由远少于特征数的公共因子作为预测模型的输入数据;最后采用XGBoost对光伏功率进行预测.对某光伏电站仿真结果表明,提出的预测模型在晴天、晴转多云和阴雨天下的均方根误差分别为5.33％、6.13％和9.5％,在非晴天模式下的预测精度较传统方法可提升3％～10％.研究结果可为复杂天气下的光伏功率预测提供参考.

关键词：光伏功率短期预测、K-means++聚类、特征差分、因子分析、XGBoost

所属期刊栏目：48

分类号：TM615;TP391.41;P445

资助基金：国家自然科学基金;国网内蒙古东部电力有限公司科技项目;北京信息科技大学促进高校内涵发展科研水平提高项目

在线出版日期：2022-11-15（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：3734-3743