基于多类型天气识别的光伏功率日前预测

摘要

针对光伏出力在转折性天气下短时间内功率发生剧烈波动导致预测精度降低的问题，提出一种基于多类型天气识别的光伏功率日前预测方法。对于天气识别，提出一种多层划分的新型模型。首先，采用天气状态指数反映气象特征；其次，利用高斯混合模型，聚类提取功率波动特征；最后，基于概念漂移算法将二者交叉，区分出转折天气日与4种平稳天气日，提升天气类型识别的精细度。对于功率预测，提出一种基于分位数回归的区间预测模型。首先，根据传递熵分别选择5种天气类型显著的气象特征，充分考虑天气模式的特异性；其次，提高模型的泛化能力，将多层感知器神经网络、卷积神经网络、双向长短期记忆神经网络模块化集成；然后，结合神经网络分位数回归模型生成预测区间；最后，采用中国上海地区一光伏电场数据，以验证所提模型在点预测、区间预测上的有效性。

关键词

光伏功率 / 天气分型 / 传递熵 / 深度学习 / 分位数回归