基于SVR-UKF的光伏电站功率预测

作者：俞娜燕; 李向超; 费科; 任佳琦; 倪晓宇

来源：自动化与仪器仪表, 2020, (04): 73-77.

DOI：10.14016/j.cnki.1001-9227.2020.04.073

• 光伏电站
• 功率预测
• 支持向量回归
• 无迹卡尔曼滤波

准确的光伏电站功率预测对于改善和优化可再生光伏发电至关重要。然而,由于光伏电站输出功率受天气因素影响较大,同时光伏电站海量监测数据中存在异常数据,均使得精确的光伏功率预测难以有效实现。本文将基于支持向量回归(Support Vector Regression,SVR)的状态空间模型与无迹卡尔曼滤波(Unscented Kalman Filter,UKF)相结合,首先采用SVR方法建立非线性状态空间模型,然后采用UKF对随机不确定性的光伏功率序列进行动态递归估计,以精确更新光伏功率序列的短期估计。通过对光伏电厂总表值进行排序,标记出缺失项;针对所选出未缺失的训练样本集,选取上一时刻的输出功率和本时刻的温度、光照强度数据预测当前时刻的输出功率数据。通过SVR建立状态转换方程,并以UKF进行滤波。预测结果表明,SVR-UKF方法具有较好的预测能力。

• 单位
  电气学院; 无锡扬晟科技股份有限公司; 河海大学