考虑多气象因子累积影响的光伏发电功率预测

作者：邱桂华; 何引生; 邱楠海; 钱美伊

来源：广东电力, 2022, 35(10): 20-28.

• 光伏发电功率预测
• 多气象因子累积影响
• 集成学习
• K-means++
• 二维气象矩阵
• 柯西变异
• 特征金字塔网络
• 轻量梯度提升机

针对当前主流的光伏发电功率预测方法中，深度学习算法训练耗时长、传统机器学习算法精度有待提升的问题，提出考虑多气象因子累积影响的光伏发电功率预测方法。首先，采用相关系数法筛选关联气象因子，并使用余弦距离的K-means++算法将训练集高效划分为K个类簇；在第1路预测中，使用关联气象因子构造二维气象矩阵，然后输入到柯西变异优化的特征金字塔网络(feature pyramid networks, FPN)模型，挖掘相关气象因子对光伏发电功率的累积影响；在第2路预测中，使用轻量梯度提升机(light gradient boosting machine, LightGBM)算法实现光伏发电功率的即时预测；借鉴集成学习的思想，将上述2组预测结果加权求和，得到最终的光伏发电功率预测结果。在关联因子筛选、聚类效果对比实验部分，取0.3为相关系数阈值，验证聚类个数取4为最优；在光伏出力预测算法对比实验部分，分别基于平均相对误差、均方根误差，计算所提算法的预测精度为88.12%、82.03%,均高于其他各项参照算法，从而证明了所提算法的可行性。

• 出版日期2022
• 单位佛山供电局