文献类型：期刊文章

作　　者：刘洁[1,2] 林舜江[1,2] 梁炜焜[1,2] 王琼[1,2] 刘明波[1,2]

LIU Jie;LIN Shunjiang;LIANG Weikun;WANG Qiong;LIU Mingbo(School of Electric Power Engineering,South China University of Technology,Guangzhou 510640,Guangdong Province,China;Guangdong Key Laboratory of Clean Energy Technology,Guangzhou 510630,Guangdong Province,China)

机构地区：[1]华南理工大学电力学院,广东省广州市510640 [2]广东省绿色能源技术重点实验室,广东省广州市510630

出　　处：《电网技术》

基　　金：国家自然科学基金项目(51977080)。

年　　份：2023

卷　　号：47

期　　号：1

起止页码：266-274

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：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(high order Markov chain,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。

关 键 词：光伏出力  短期概率预测  高阶马尔可夫链  高斯混合模型 相似气象  

分 类 号：TM721]