基于BP神经网络的短期光伏集群功率区间预测

作者：孙东磊; 王艳; 于一潇^*; 韩学山; 杨明; 闫芳晴

来源：山东大学学报(工学版), 2020, 50(05): 70-76.

DOI：10.6040/j.issn.1672-3961.0.2019.706

• 光伏集群
• 区间预测
• BP神经网络
• 数据降维
• 主成分分析

针对大规模光伏并网给电力系统安全稳定运行带来的严峻挑战,考虑传统单一光伏场站功率预测的局限性,以区域性光伏集群功率为研究对象,提出一种基于BP神经网络的光伏集群功率的区间预测方法。通过互信息方法对变量进行相关性分析,提取关键解释变量作为输入变量,利用主成分分析进行数据降维,解决了光伏集群功率预测大数据处理的问题。利用神经网络在数据挖掘和非线性关系拟合方面的优越性,将神经网络和非参数概率预测相结合,量化光伏集群功率预测结果的不确定性。实验算例采用中国某地区10个光伏场站,利用未降维的原始数据与本研究所提出的数据降维方法进行对比,分别计算80%和90%预测区间,结果表明,本研究所提出的预测方法预测区间带更窄,具有更好的预测效果。利用本研究所提模型预测了某天超前72 h的80%和90%置信区间,验证了该方法的可行性和先进性。

• 单位
  国网山东省电力公司经济技术研究院; 山东大学