基于高阶马尔可夫链和高斯混合模型的光伏出力短期概率预测

为提高光伏电站出力预测的准确性，给调度决策人员提供更丰富的预测信息，提出一种基于高阶马尔可夫链(highorderMarkovchain,HMC)和高斯混合模型(Gaussian mixture model,GMM)的光伏电站短期出力概率预测方法。首先对光伏电站的历史出力数据进行HMC建模，通过计算邻近时段光伏出力数据的Pearson相关系数确定马尔可夫链的阶数，并统计历史数据得到邻近时段光伏出力的状态转移概率矩阵。然后以此为基础建立GMM形式的光伏出力概率预测模型，并提出基于相似气象条件下的数据样本对GMM中各高斯分布的均值与方差进行修正，最终得到光伏电站出力的概率密度函数。以实际光伏电站数据为例进行分析，结果表明所提出的概率预测方法具有较高的准确性，且与传统的点预测方法相比，概率预测能够为电网运行决策提供更多有益信息。