电工电能新技术

作者：袁威1， 裴玮1， 曾锃2， 张瑞2， 滕昌志2， 赵振兴1

单位：1. 中国科学院电工研究所， 北京 100190；
2. 国网江苏省电力有限公司信息通信分公司， 江苏 南京 210000

关键词：光伏发电预测； 集成模型； XGBoost； 概率区间预测

基金：国家电网公司总部科技项目（5108-202218280A-2-394-XG）

随着分布式光伏发电规模的不断扩大，准确预测光伏发电功率对于电力系统的安全稳定运行至关重要。为了提高光伏功率预测模型的准确性，提出了一种基于机理模型和极限梯度提升(XGBoost)算法的集成模型应用于短期分布式光伏功率概率区间预测。首先，结合气象数据，应用基于密度的空间聚类算法设计光伏功率数据治理方法，以剔除历史数据中的异常数据；其次，基于筛选后的优化样本构建集成模型，具体来说，基于机理模型构建基础预测模型对光伏功率进行初步预测，将预测结果和其他气象数据作为XGBoost模型的输入变量，进而对基础预测模型产生的预测误差进行修正；分别提取不同的特征数据对机理模型和XGBoost模型进行训练及预测。最后，通过非参数核密度估计建立预测误差概率密度函数，并在一定置信水平下预测光伏功率的波动范围。所提方法的有效性已通过光伏电站的实际数据及对比试验得到验证。

来源：2025年第2期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2025年第2期