基于CEEMD-DBN模型的光伏出力日前区间预测

摘要：

光伏输出功率具有随机性和不确定性,这些特点使得建立准确的预测方法变得比较困难,而与传统的确定性点预测方法相比,光伏出力区间预测对电力系统的安全稳定运行及经济调度更为重要.为此,提出了一种基于互补集合经验模态分解(omplementary ensemble empirical mode decomposition,CEEMD)和模拟退火(simulated annealing,SA)算法优化后的深度信念网络(deep belief network,DBN)的光伏发电出力日前区间预测模型.首先,通过综合因素相似系数筛选出晴天和多云天气的相似日样本集.在此基础上,利用CEEMD将光伏出力序列分解为多个特征不同的分量.然后,使用SA-DBN和核密度估计(kernel density estimation,KDE)对光伏输出功率进行日前区间预测.最后,通过算例数据验证了所提方法的有效性.多座光伏电站的历史数据分析结果表明,所提出的模型可以较为精确地给出基于误差分布的置信区间上下限,且不受光伏电站所处地理位置的影响.

关键词：光伏发电、区间预测、相似日、互补集合经验模态分解、优化深度信念网络、数据噪声处理

所属期刊栏目：47

分类号：TM614;TM715;TP311.52

资助基金：国家重点研发计划2018YFB0904200

在线出版日期：2021-06-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1156-1164