基于斜面辐照度机理模型的光伏功率组合模型预测研究

作     者：王东风 宁笑歌 张博洋 李青博 黄宇 

作者机构：华北电力大学自动化系 

出 版 物：《华北电力大学学报(自然科学版)》 (Journal of North China Electric Power University(Natural Science Edition))

年 卷 期：2024年

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：中央高校基本科研业务费专项资金(2021MS089) 

主　　题：特征提取 机器学习 神经网络 预测 

摘      要：光伏功率预测对电力系统的调度和运行具有重要意义。针对辐照度预报存在偏差以及单一模型预测精度不高而导致的光伏功率预测效果较差的问题，提出一种基于斜面辐照度机理模型的类别型梯度提升（Category Boosting，CatBoost）算法和具有多头注意力的双向门控循环单元（Bidirectional gated recurrent unit with multi-head attention，BiGRUM）网络的组合模型进行光伏功率预测。首先，将天气预报模型预测的全球水平总辐照度（global horizontal irradiance，GHI）通过斜面辐照度机理模型修正为光伏板上的斜面辐照度（Global tilted irradiance，GTI），同时通过物理方法计算光伏板倾斜面上直接辐照度和散射辐照度修正因子，进一步修正辐照度。然后，根据所有特征对输出功率的贡献大小筛选出重要特征作为组合预测模型的输入。最后，利用光伏电站的真实运行数据对所提方法进行对比实验。在总体性能结果显示，与其他方法相比，所提方法MAE指标至少降低15.56%，RMSE指标至少降低14.67%。