李 青，孙谊媊，于永军，王 琛，马天娇



基于EWT-KMPMR组合模型的光伏电站短期功率预测

李 青1，孙谊媊1，于永军1，王 琛1，马天娇2

（1. 国网新疆电力有限公司电力科学研究院，电网技术中心，乌鲁木齐 830000；2. 新疆铁道职业技术学院，乌鲁木齐 830000）

为提高光伏电站短期功率预测的精度，提出一种基于经验小波变换（empirical wavelet transform, EWT)）和核最小最大概率回归机（kernel mini max probability machine regression，KMPMR）的组合预测模型，对晴天、阴天和雨天3种天气类型下的光伏电站出力分别进行了预测分析。该文首先采用EWT将相似日光伏功率序列分解为具有特征差异的AM-FM分量，然后根据各AM-FM分量的变化特点建立相应的KMPMR预测模型分别进行预测并叠加得到最终预测结果。试验结果表明，相比SVM方法，该文方法在晴天、阴天和雨天可提高预测精度（MAE）分别为56.19%、54.15%和76.33%；相比EMD-KMPMR方法，在降低近一半左右计算规模的同时，可提高预测精度（MAE）分别为9.42%、38.74%和64.52%。以阿克苏地区光伏电站实际运行数据进行试验验证表明，该文方法在3种天气类型下均可取得较高的预测精度。

发电；模型；功率；光伏电站；组合预测模型；经验小波变换；核最小最大概率回归机

0 引 言

光伏发电已逐渐成为仅次于风力发电的可再生清洁能源利用形式，由于其受光照昼夜交替和气象多变等不可控因素的直接影响，具有难以避免的间歇性特点。然而，随着光伏发电装机容量的逐年增长，大规模的光伏并网对电网安全稳定运行造成了很大的冲击，因此，准确的光伏出力预测对电力系统调度部门合理分配火电等常规能源与光伏发电的比例具有极其重要的意义[1-4]。……