- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[2020年IEEE国际大数据与智能计算会议(BigComp) - 韩国釜山 (2020.2.19-2020.2.22)] 2020年IEEE国际大数据与智能计算会议(BigComp) - 基于深度学习的概率光伏发电预测归一化残差分析
摘要： 本研究采用名为DeepAR的自回归循环神经网络模型，对日前光伏发电量的概率预测方案展开研究，并基于归一化残差进行评估。对于光伏发电而言，概率预测结果有助于电网管理方有效应对局部天气突变等不确定性因素。通过输入不同数据（如当日局部天气预报和历史光伏发电记录），本研究利用DeepAR模型探究了局部光伏发电预测区间的紧密程度。在性能度量方面，将预测轨迹的均值与标准差所对应的归一化残差与标准正态分布进行对比。评估实验采用韩国河东地区采集的局部光伏发电数据，通过可选输入局部天气预报数据的DeepAR模型进行测试。光伏发电测试的评估结果表明：引入局部天气数据能使预测区间更紧密，且归一化残差更接近标准正态分布。
关键词： 标准分数，概率预测，光伏系统
更新于2025-09-23 15:19:57
-
基于改进马尔可夫链的光伏功率组合概率预测方法
摘要： 本文提出了一种基于改进马尔可夫链的新型光伏概率预测组合方法，以提高光伏功率概率预测的准确性。首先，提出了一种结合精确因素的马尔可夫链（MC）预测结构，与常规马尔可夫链相比，该方法考虑了除历史数据统计信息之外的更多影响因素。随后利用粗糙集理论对主要因素进行筛选，以量化这些因素的影响。此外，采用k近邻算法选择相似样本构建精确预测模型?；谙嗨蒲荆夥浠魇票仁褂萌坷费臼备飨?，从而进一步提高预测精度。最后，通过将模拟结果与两种案例（使用澳大利亚沙漠知识中心太阳能站和GEFCom2014数据集）的竞争方法结果进行比较，验证了所提方法的有效性和优越性。仿真结果表明，该方法能提供性能更优的概率预测结果，且适用于多种预测场景。
关键词： 光伏发电、k近邻算法、概率预测、粗糙集理论、改进的马尔可夫链
更新于2025-09-16 10:30:52
-
一种无缝概率光伏发电预测的新方法：覆盖多时间尺度
摘要： 光伏电站未来发电量的不确定性对电网运行构成挑战，同时也导致参与电力市场的电站运营商因合同电量与实际发电量不匹配而面临收入损失。提升光伏发电预测能力是当前研究热点。实际应用中，不同时间尺度（预测范围、更新频率等）的预测需求通常由专用模型分别处理（如日前预测和日内交易预测），这可能导致同一时间范围出现不同预测值，以及各时间尺度间存在不连续性。本文提出一种新型无缝概率预测方法解决该问题，该方法基于类比集合（AnEn）模型，但能针对每个时间范围从可用输入数据池中选取最适配的输入参数。该模型支持全天任意时段启动并适用于任意预测范围，特别适合连续交易等应用场景。由于能自适应最新数据且无需定期重新训练，模型维护简便。通过引入卫星图像数据和现场实测数据，我们提升了短期预测能力。相比基准模型，该模型复杂度较低且易于并行化，在短期（6小时内）和日前预测方面达到了与专门开发的先进模型相当的性能水平。评估基于法国三座光伏电站在一年内采集的实际运行数据开展。
关键词： 概率预测、卫星图像、光伏技术、类比集合模型
更新于2025-09-16 10:30:52
-
一种光伏发电预测的混合概率估计方法
摘要： 由于天气条件的随机性，光伏发电的预测性较差。与点预测相比，光伏发电的概率预测能提供更多关于潜在不确定性的信息，这有利于电网调度和电力系统的稳定性与安全性。本文基于随机森林（RF）、模糊C均值（FCM）、稀疏高斯过程（SPGP）和改进灰狼优化器（IMGWO）算法，提出一种混合概率估计方法，用于预测一天中每小时的光伏发电概率。首先采用RF算法降低多维输入变量的维度，然后根据天气模式采用FCM方法划分数据并获得相似样本，最后应用结合SPGP和IMGWO的混合预测方法对测试数据进行预测。通过仿真和实验结果验证了所提模型（IMGWOSP）的有效性和可靠性。结果表明，该模型在准确性和实用性方面均有提升，从而可提高电网调度和电力系统的稳定性与安全性。
关键词： 光伏功率预测，备用高斯过程回归，概率预测，改进灰狼优化算法
更新于2025-09-12 10:27:22