基于K-Means和GBRT的分布式光伏中短期发电量预测

作者：**; 闵金; 宋伟; 高迪; 栗辉

来源：能源与环保, 2023, 45(03): 210-221.

DOI：10.19389/j.cnki.1003-0506.2023.03.036

• K-Means
• 气象
• 发电量
• 多用户
• GBRT

光伏发电量与太阳辐照强度有直接关系，但太阳辐照强度并不能直接获取，而是需要依据多种气象指标间接计算，所以基于太阳辐照度来预测光伏发电量的方法难以应用。现有的光伏发电量预测方法一般是根据气象条件对单个用户或电厂的实时功率进行建模，而随着光伏用户数目的剧增，为每一用户建立单独预测模型的做法显然不可取。为此，基于K均值算法(K-Means)和梯度提升回归树(GBRT)提出了一种针对多用户建模预测的方法。首先分别将用户和天气进行聚类，然后再分别对同一天气类型下日均实际发电量相近的用户建立发电量预测模型，从而为同时预测多个用户的发电量提供了新思路。通过均方根误差(RMSE)对模型预测效果进行评估，通过一系列对比试验，发现GBRT预测模型的精度较高，在测试集上的RMSE值低至3.17,表明该预测方法具有一定的可靠性。

• 出版日期2023
• 单位北京科技大学; 国网冀北电力有限公司; 自动化学院