基于时空信息组合的分布式光伏功率预测方法研究

摘要：

为保障电网安全稳定运行,提高光伏电站经济效益,需要进一步提升光伏功率预测的准确性.为此提出一种基于时空信息组合的分布式光伏功率预测方法.首先,基于极度梯度提升-长短时记忆神经网络(XGBoost-LSTM)集成模型,利用光伏历史数据时间序列进行预测;然后,基于最小二乘支持向量机(LSSVM)模型,利用光伏电站间的空间相关性进行预测;最后,基于信息熵的基本原理,结合多误差评价角度改进的信息熵确定2种单一预测方法的权值,构建时空信息组合预测模型.研究结果表明:基于多误差评价标准的信息熵权的XGBoost-LSTM+LSSVM模型的平均绝对误差与基于交叉熵的组合模型和基于信息熵的组合模型相比,分别下降1.6％、8.3％;结合单一预测模型的优势,组合模型可降低预测误差,基于多误差评价标准的信息熵组合模型具有更高的鲁棒性与综合性能,可提升分布式光伏功率预测的准确性.

关键词：光伏功率预测、集成学习、LSTM、LSSVM、熵权法

所属期刊栏目：51

分类号：TM615(发电、发电厂)

资助基金：国网浙江省电力有限公司科技项目5211DS220009

在线出版日期：2022-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：64-72