基于SVM的极端天气下新能源短期功率预测修正方法

摘要

基于“双碳”(碳达峰、碳中和)政策框架，以光伏、风电为核心的可再生能源在我国电网中的渗透率持续提升，并考虑到新能源出力具有明显间歇性与波动性，且功率预测的准确性直接影响消纳新能源的能力，以及极端天气使新能源短期功率预测结果与实际产生严重偏差，使源-荷之间产生极大不平衡，提出一种基于支持向量机的iForest-rForest-SVM算法，采用孤立森林算法实现数据清洗：首先识别并剔除突变值，其次对缺失值进行插值补全；在此基础上，通过随机森林算法构建特征加权样本子集，最后采用支持向量机根据偏差对模型进行修正。通过具体案例计算及分析，结果表明相较于传统支持向量机算法，本文提出的iForest-rForest-SVM算法将新能源短期功率预测的平均准确率提升2%,验证了该修正方法和流程的有效性，并为提高极端天气下新能源短期功率预测准确率提供了借鉴措施和建议方案。

关键词

数据分析 / 新能源短期功率预测 / 模型修正 / 孤立森林算法 / 支持向量机算法