基于多时段相似日理论的光伏功率组合预测方法

相似日之间的光伏功率具有很大相似性，为了进一步提高光伏功率预测的准确度，对常规的相似日选取方法加以改进，并提出了一种基于多时段相似日理论的光伏功率组合预测方法。该方法首先建立具有时效性的气象特征量，然后在不同时间段利用相似度组合指标选取相似时段，构建出多个组合相似日，组合后的相似日进一步保障了每一时段的相似性，并构建粒子群算法（particle swarm optimization,PSO）优化LightGBM(Light gradient boosting machine)决策树模型和双向长短时记忆网络（bi-long short-term memory,BiLSTM）的时变权重组合式预测模型，提高预测模型精度，弥补单一模型存在的不足。最后利用粒子群算法-双向长短时记忆网络（particle swarm optimization-Bi-long shortterm memory,PSO-BiLSTM）模型矫正待预测日的光伏功率。以中国广东某光伏电站的数据为例进行验证所提方法的可行性与优越性。