滕晓毕, 顾洁,秦康平, 缪源诚, 宋柄兵, 李雨攸, 温洪林
新型电力系统建设推进下,风电和光伏作为未来电力系统能源供给的重要支柱,实现对未来数小时风电、光伏出力的精准预测是提升电力系统可靠性、促进清洁能源深度参与电力市场的重要技术支撑。资源禀赋特性,导致光伏发电出力呈现显著的波动性和随机性特征,对其不确定性进行动态建模,是保障电网安全经济运行与实现光伏发电高效利用协同推进的关键。同时考虑到光伏组件表面的积尘量、逆变器组件老化等其他因素会对光伏设备的出力特性产生影响,使得光伏出力预测模型的参数不再固定,而是随时间变化,采用传统的离线学习方法进行预测会出现较大误差。本文基于在线高斯过程,提出了一种短期光伏出力概率预测的新方法。首先,引入正交化最大信息系数与特征协同相结合的策略,构建了一种变量筛选技术,其核心目标是筛选出对光伏出力影响显著的气象特征因素;进而利用高斯过程模型对光伏出力预测问题中复杂的映射关系进行表征,最后采用在线算法实现光伏预测模型参数的实时更新,以应对由于积尘量、逆变器老化等其他因素导致的参数时变问题。基于2014年全球能源预测大赛光伏出力数据集的测试验证表明,本文提出的预测模型在点预测、区间预测及概率预测上均具有较好性能,还具备较强的自适应特性,能够有效处理模型参数时变等动态系统问题。