何 锋，章义军，章建华，丁海华

基于相似日和分位数回归森林的光伏发电功率概率密度预测

何 锋，章义军，章建华，丁海华

（国网浙江安吉县供电有限公司，浙江 湖州 313300）

为提高光伏发电功率预测精度及可靠性，提出一种基于相似日和分位数回归森林（QRF）的光伏发电功率概率密度预测模型。选取某光伏电站实测数据为研究对象，在将光伏发电功率原始数据按不同天气类型进行分类的基础上，通过温度和风速2个特征向量选取相似日，并对相似日历史数据建立BP神经网络（BPNN）、支持向量机（SVM）和QRF预测模型。结果表明：晴天时，不同模型预测值均能较好跟踪真实值变化趋势，在13:00—16:00光伏发电功率下降时间段，QRF模型更接近真实值；多云或阴天时，在9:00—12:00，3种模型预测误差均较大；雨天时，在14:00—16:00光伏发电功率突变时间段，BPNN模型预测误差最大，SVM预测值相对于QRF模型更接近真实值，而在10:00—12:00，SVM模型预测误差增大。对不同模型不同天气类型下的预测误差，QRF模型预测性能更佳。

光伏发电功率；概率密度预测；相似日；分位数回归森林；核密度估计

受太阳辐射强度、风速、温湿度等气象因素的影响，光伏发电具有显著的波动性与随机性，大规模光伏系统并网将严重威胁电力系统稳定运行[1-2]。准确把握光伏发电功率变化特征并进行精确预测能够为电力系统调度、自动发电控制提供科学决策信息，从而有效降低光伏发电对电网造成的不利影响，提高资源利用率[3]。

目前，光伏发电功率预测按原理不同分为物理方法和统计预测方法。……