朱瑞金，龚雪娇，张娟娟

(西藏农牧学院电气工程学院，西藏 林芝 860000)

0 引 言

光伏发电作为可再生清洁能源在电力系统中占比越来越大，由于光伏发电功率受到太阳辐射角、温度、湿度等不确定因素的影响，造成输出功率随机性强，给光伏并网带来了调度困难、安全性低等问题[1-2]。为保障电网安全稳定运行，现主要采用拉闸限电等维护策略[3]，存在着耗能大，不利于光伏发电的继续发展。近年来，国内外研究者为实现常规能源与光伏发电之间的合理调度，提出了一系列对光伏发电功率提前预测算法[4-6]，以适应其输出功率对电网系统的影响。

光伏发电功率预测主要分为间接预测和直接预测两种方式。间接预测方法是根据光伏发电输入条件构造信息特征来进行预测，如光照强度、太阳辐射强度、风速、温度、天气状态等外部条件。徐先峰等[7]提出利用双向长短期记忆(BiLSTM)算法，充分挖掘气象数据以实现光伏发电功率的短期预测，将光伏发电历史功率曲线下的气象条件与当前气象数据进行曲线拟合时，考虑到气象条件的随机性，存在可靠性和信号特性相关性低等问题。王志忠等[8]根据晴朗系数构建基于相似日输出功率的ARIMA 预测模型，以单纯的晴朗系数作为输入特性时，存在信号特征单一和样本集要求高等问题。

直接预测方式是将历史发电输出功率作为研究对象建立功率预测模型。候松宝等[9]提出利用主成分分析和BP 神经网络进行短期光伏发电功率短期预测，由于受天气状况影响，当外部条件变化时，功率预测精度和稳定性将会下降。……