| 基于数值特性聚类的日前光伏出力预测误差分布模型 |
| |
| 引用本文： | 赵书强,张婷婷,李志伟,李东旭,许晓艳,刘金山.基于数值特性聚类的日前光伏出力预测误差分布模型[J].电力系统自动化,2019,43(13):36-45. |
| |
| 作者姓名： | 赵书强 张婷婷 李志伟 李东旭 许晓艳 刘金山 |
| |
| 作者单位： | 新能源电力系统国家重点实验室(华北电力大学), 河北省保定市 071003,新能源电力系统国家重点实验室(华北电力大学), 河北省保定市 071003,新能源电力系统国家重点实验室(华北电力大学), 河北省保定市 071003,新能源电力系统国家重点实验室(华北电力大学), 河北省保定市 071003,中国电力科学研究院有限公司, 北京市 100192,国网青海省电力公司, 青海省西宁市 810000 |
| |
| 基金项目： | 国家重点研发计划资助项目(2017YFB0902200)；国家电网公司科技项目(5228001700CW)；中央高校基本科研业务费专项资金资助项目(2018QN074) |
| |
| 摘 要： | 光伏出力预测误差难以避免且不容忽视，预测误差分布的准确描述有利于电力系统的优化调度和稳定运行。基于此，分析预测误差分布与其影响因素之间的相关性，提出一种基于数值特性聚类的日前光伏出力预测误差概率模型。利用模糊C均值聚类法对预测误差的整体水平进行分类，再依据预测出力的数值特性进行分区处理，并建立了适用于估计误差分布的通用型高斯混合模型。该分析方法综合考虑了气象因素和预测出力数值特性对预测误差的影响，可以较为准确地估计不同时刻的预测误差，给出预测误差分布的置信区间，且不受预测算法和光伏电站地理信息的限制。基于比利时和中国西北地区光伏系统历史数据的分析结果表明，所提误差模型可描述光伏出力预测误差分布偏态性和峰度多样性，效果优于其他分布模型，能够用于描述不同情况下的日前光伏出力预测误差分布。
|
| 关 键 词： | 光伏发电出力 日前预测误差 通用型高斯混合分布 模糊C均值聚类 |
| 收稿时间： | 2018/4/5 0:00:00 |
| 修稿时间： | 2019/2/24 0:00:00 |
Distribution Model of Day-ahead Photovoltaic Power Forecasting Error Based on Numerical Characteristic Clustering |
| |
| ZHAO Shuqiang,ZHANG Tingting,LI Zhiwei,LI Dongxu,XU Xiaoyan and LIU Jinshan.Distribution Model of Day-ahead Photovoltaic Power Forecasting Error Based on Numerical Characteristic Clustering[J].Automation of Electric Power Systems,2019,43(13):36-45. |
| |
| Authors: | ZHAO Shuqiang ZHANG Tingting LI Zhiwei LI Dongxu XU Xiaoyan and LIU Jinshan |
| |
| Affiliation: | State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources(North China Electric Power University), Baoding 071003, China,State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources(North China Electric Power University), Baoding 071003, China,State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources(North China Electric Power University), Baoding 071003, China,State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources(North China Electric Power University), Baoding 071003, China,China Electric Power Research Institute, Beijing 100192, China and State Grid Qinghai Electric Power Company, Xining 810000, China |
| |
| Abstract: | |
| |
| Keywords: | photovoltaic power output day-ahead forecasting error general Gauss mixed model fuzzy C-means clustering |
|
| 点击此处可从《电力系统自动化》浏览原始摘要信息 |
|
点击此处可从《电力系统自动化》下载全文 |
|
