唐雅洁，龚迪阳，倪筹帷，王 波，张雪松，朱 耿

（1.国网浙江省电力有限公司电力科学研究院，杭州 310014；2.国网浙江省电力有限公司宁波供电公司，浙江 宁波 315000）

0 引言

2020 年9 月22 日，习近平总书记在联合国大会上宣布了“二氧化碳排放力争于2030 年前达到峰值，努力争取2060 年前实现碳中和”的中国承诺。在“碳中和”目标下，大力发展光伏等清洁零碳新能源成为碳减排的关键。随着光伏技术不断进步，转化效率不断提升，在光伏补贴下调、光伏电站标杆电价下调、“弃光”现象仍存在的背景下，分布式光伏发电将成为光伏行业发展的重点[1-2]。分布式光伏发电波动性大，对其进行准确功率预测有助于更合理地利用分布式光伏发电产能、增加电网对分布式光伏的消纳能力。

根据电力调度的应用需求，光伏功率超短期预测一般为未来15 min 至4 h 的发电功率预测[3]，对电网调度计划安排及储能系统配置等具有重要意义[4-5]。但目前针对实际投运分布式光伏电站的超短期功率预测方法研究相对较少。在超短期预测时段里，气象要素中的温度、湿度、气压变化并不明显，但云团移动引起的地表辐射变化相对剧烈[6]。这些气象数值需由NWP（数值天气预报）与本地气象站监测仪提供。在具备气象预报计算资源与实地观测设备的情况下，超短期功率预测方法通常根据本地分布式光伏站与气象站所观测数据的实时动态变化来进行预测与修正[7-9]；就方法而言，均以神经网络等机器学习算法为基础，基于大数据分析挖掘光伏功率与各影响因素间的关联性，建立统计预测模型[10-12]。……