张晋华 ，2，黄远为 *，冯 源

（1.华北水利水电大学电力学院，河南 郑州 450045；2.新能源电力系统国家重点实验室（华北电力大学），可再生能源学院，华北电力大学，北京 102206）

0 引言

近年来，全球范围大力发展太阳能、风能等清洁能源。截至2020年底我国光伏发电累计装机达2.53亿千瓦，如何最大程度保证光伏发电能够安全、高效地消纳成为一大难题［1-3］。光伏发电具有随机性、不确定性的特点，精准的功率预测能够指导电网调度部门合理安排，减少光伏电站接入对电网的冲击和弃光现象的发生［4-5］。光伏功率预测按时间尺度可分为超短期预测，短期预测以及中长期预测［6］。当前我国新能源功率预测3 d的时间尺度不能与火电的启停5-7 d的周期相匹配，调度部门不能将新能源纳入开机计划进行有效指导［7］。因此，对光伏功率进行周期为7 d的中期预测具有现实积极意义。

传统的光伏功率预测方法有物理方法和统计方法［8］。物理方法是参照光伏电池的发电原理，利用数值天气预报（Numerical Weather Prediction，NWP），卫星、地面场站实时数据，结合光伏电池安装角度、光伏阵列转换效率等参数，建立物理模型直接计算得到光伏功率数据［9］。物理方法对数据精度要求高，且模型参数多，构建难度大。统计学方法是输入太阳辐照度、光伏功率等历史数据，通过曲线拟合、参数估计等方法，建立输入与输出的映射模型从而实现预测。相比物理方法，统计方法因其模型搭建简单，所需数据容易获取而被广泛应用于光伏功率预测中。……