谭 津, 邓长虹, 杨 威, 梁 宁, 李丰君

(武汉大学电气工程学院, 湖北省武汉市 430072)

微电网光伏发电的Adaboost天气聚类超短期预测方法

谭 津, 邓长虹, 杨 威, 梁 宁, 李丰君

(武汉大学电气工程学院, 湖北省武汉市 430072)

微电网光伏发电预测精度与天气状态呈高度相关性,非晴空条件下气象因素的随机波动使得超短期预测精度较低。对此,文中提出一种改进Adaboost天气聚类和马尔可夫链的组合预测方法。首先采用滑动平均法提取辐照度特征变量,设计并训练Adaboost改进的K近邻(KNN)分类器,实现历史样本的分类;为进一步提高多云和阴雨天的预测精度,引入天气类型衰减系数对Hottel太阳辐射模型进行校正,形成完整描述各天气类型的辐照度基准模型;建立多阶加权马尔可夫链模型输出辐照度预测值;最后由光电转换模型实现间隔5 min的微电网光伏超短期预测。仿真结果表明,所述预测方法提高了各天气类型下的预测精度,对提高微电网经济调度水平具有重要意义。

光伏发电; 微电网; 超短期预测; 衰减系数; Adaboost

0 引言

光伏输出功率具有间歇性,且受多种天气因素影响而表现出较强的随机波动性[1-2],因此大规模光伏电站并网将对电力系统安全运行带来严重的冲击。作为连接分布式电源与配电网的桥梁,微电网是实现可再生能源高渗透率接入的主要途径之一[3-4]。准确的微电网光伏发电超短期预测有助于实时修正日前计划、平衡功率波动,从而降低光伏并网对电网运行的影响。……