张林，刘继春，马靖宇，周晟锐，文杰

（四川大学电气工程学院，四川 成都 610065）

近年来，伴随信息化建设的飞速发展和储存收集设备的不断完善，电力行业数据呈现出来的形式不再是离散、稀疏的片段点集，而是表现为连续、紧密的函数曲线特征[1]，“函数”并非代表外在直观特征的展现，而是指观测收集的离散数据具有函数本征连续结构，将此类具有函数型特征的数据称为函数型数据[2]。并且，随着能源互联网的大力推进，许多地区开始推行多种能源综合发电，如梯级水光蓄互补综合发电系统[3]，利用梯级水电和抽水蓄能出力的可控特性，去调控优化光伏出力的随机波动性，以此提高能源的综合利用率，减少弃光、弃水量。抽水蓄能调控能力技术可达min级，而光伏出力受天气因素影响，具有较强的随机性和不可控性，因此，准确的min级别光伏短期预测是调控水电和抽水蓄能运行方式的重要依据。

目前，光伏特性分析预测已有不少研究。文献[4]从影响光伏出力因素的角度出发，使用模糊C均值（fuzzy C-means，FCM）对历史太阳辐射和温度进行聚类分析，通过典型式子将太阳辐射和温度转化为光伏出力，并进行特性分析。文献[5]将光伏数据预处理成多个样本子集，使用K-means将数据划分为三类，依靠聚类中心挖掘光伏波动性和规律性。文献[6]基于传统的K-means结合层次聚类方法，研究了光伏数据的相似性。文献[7]分别分析了辐射、温度、风速、空气质量单一因素和其两两组合因素对光伏出力的影响，并基于回归方法建立了光伏出力预测模型。……