计及NWP信息缺失的数据共享与GRA权重优化的分布式光伏电站功率预测

作者：杨锡运; 杨岩; 孟令卓超; 彭琰; 王晨旭

来源：电测与仪表, 2022, 1-10.

• 分布式光伏电站
• 空间相关性
• 数据共享
• 权重优化
• 一维卷积神经网络

由于光伏发电的出力具有很强的间歇性和波动性，大规模光伏电站的接入会冲击电网的稳定性，因此对光伏出力进行精准预测至关重要。此外，由于部分光伏电站无法获得用于功率预测的相关数值天气预报（Numerical Weather Prediction，NWP）信息，这对电网的安全稳定运行又提出了新的挑战。基于此，文中提出一种基于数据共享和灰色关联度分析（Grey Relation Analysis，GRA）权重优化的分布式光伏电站功率预测模型。利用K-means算法对光伏电站进行出力空间相关性聚类，构建多电站数据共享集群，通过相似日数据筛选和BP神经网络对单个参考电站进行出力预测，利用GRA对参考电站进行权重优化，并通过一维卷积神经网络（1D Convolutional Neural Network，1DCNN）对缺失NWP数据的目标电站出力进行预测。以河北省部分市十个分布式光伏电站进行算例分析，结果表明晴天预测的均方根误差为3.34%，非晴天预测的均方根误差为9.15%，具有较高的准确性和可行性，为电网的稳定运行奠定了基础。

• 单位
  华北电力大学