基于气象耦合特征分析及改进XGBoost算法的用户分布式光伏短期出力预测模型

作者：邓序之; **^*; 叶傲霜; 许佳时; 杨王旺; 王玺; 应文韬; 邵佳佳; 李芝娟; 陈小毅

来源：南方电网技术, 2023, 17(12): 80-89.

DOI：10.13648/j.cnki.issn1674-0629.2023.12.010

• 分布式光伏
• XGBoost
• 光伏出力预测
• 气象特征

随着用户侧分布式光伏发电设备的普及，对分布式光伏出力预测及调控技术提出了更高的要求。针对传统光伏出力预测方法泛化能力不强及高样本依赖性的问题，提出了一种考虑基于气象耦合特性及改进极端梯度提升树（extreme gradient boosting, XGBoost）算法的用户分布式光伏短期预测模型。利用互信息及主成分分析进行特征选取与降维，得到高相关性和去耦合的气象特征变量；基于Bagging算法对XGBoost预测模型进行并行集成，改善模型泛化能力；提出基于平均绝对误差（mean absolute error, MAE）及平均反正切绝对百分比误差（mean arctangent absolute percentage error, MAAPE）的组合预测精度评价指标；在算例分析中所提模型的MAE均值为6.934 kW,MAAPE均值为16.73%，超过半数情形下的相对误差小于10%，相比传统BP神经网络和随机森林预测模型预测精度提升较大，具有良好的实际应用能力。

• 单位
  电子工程学院; 华中科技大学