杨 茂， 冯 帆

（东北电力大学 现代电力系统仿真控制与绿色电能新技术教育部重点实验室， 吉林 吉林 132012）

0 引言

受昼夜更替和天气不确定性的影响， 光伏功率具有随机性、间歇性等特点。 因此，大规模的光伏发电并网会对电力系统的稳定运行产生影响。 准确预测光伏功率可以有效提高光伏发电并网时电网的稳定性、 增强电网消纳光电能力、减小由于弃光限电造成的经济损失、提高运营管理效率[1]。

光伏功率预测方法大致分为两种，一种为基于持续法及晴空预测模型的基础预测方法，另一种为基于云图及数据驱动的超短期预测方法。 文献[2]采用机器学习方法对大气气溶胶光学厚度进行估计，同时，修正了光伏电池面板接收的太阳辐射强度数据，提高光伏功率的超短期预测精度。 文献[3]通过对地基云图进行处理与分析，实现对云团未来运动状况的预估，进而预测太阳辐射强度和光伏功率，此方法在一定程度上提高了预测精度，但地基云图仪和天空成像仪造价较为昂贵，不易普及应用。 此外，还有基于时间序列、神经网络算法、支持向量机（SVM）算法、深度学习预测算法等的预测方法[4]～[8]。 同时，基于相似日的光伏出力预测方法也很常见。

寻找相似日的方法中，基于欧氏距离寻找的方法较为普遍， 但通过此方法得到的相似日和预测日的各气象数据与光伏功率的拟合度较低，不能有效提高预测精度。

本文提出了一种基于马氏距离相似度量的光伏功率超短期预测方法。……