基于改进INFO-CNN-QRGRU模型的农村分布式光伏发电短期概率预测

摘要

随着“双碳”目标的推进，清洁能源所占比重大幅度增加，分布式光伏发电在我国农村地区快速发展，但其随机性、间歇性的特点给新能源消纳和电网稳定带来很大的挑战。光伏发电预测可以在一定程度上改善新能源消纳问题，减少光伏发电的不稳定性对电网的冲击。因此，为提高光伏发电功率预测精度，提出一种基于改进向量加权平均算法优化CNN-QRGRU网络的光伏发电概率预测方法。首先采用ReliefF算法对特征变量进行选择，在此基础上利用高斯混合模型(Gaussian mixture model,GMM)聚类方法将天气分为晴天、晴转多云和阴雨天3种类型，将处理好的数据输入到CNN-GRU模型中，并利用向量加权平均(weighted mean of vectors algorithm,INFO)优化算法对模型超参数进行调参，将分位数回归模型(quantile regression,QR)与INFO-CNN-GRU模型相结合得到光伏功率条件分布，结合核密度估计法从条件分布中获得概率密度函数，完成概率预测。以实际光伏电站数据作为基础，将提出的INFO优化算法与其他几种传统的优化算法进行对比，结果表明INFO的优化效果更好，在此基础上进行概率预测，得到的概率预测结果相较于点预测能提供更多有效信息，更具有应用价值。

关键词

光伏出力 / 高斯混合模型聚类 / 门控循环单元 / 向量加权平均算法 / 分位数回归 / 概率预测