第
!"
卷 第
#
期
$%&"
年
#
月
电 力 自 动 化 设 备
'()*+,-*./0),12+/34+-/5 '62-73)5+
8/(9!" :/9#
;4< $%&"
!
7.
!!
基于改进深度受限玻尔兹曼机算法的
光伏发电短期功率概率预测
王继东
#
冉
>
冉
#
宋智林
!
天津大学 智能电网教育部重点实验室
#
天津
!%%%B$"
摘要
#
光伏发电功率受自然环境影响具有明显的波动性
'
间歇性与随机性
#
对光伏发电进行短期功率的概率
预测可以有效缓解给电网调度
'
能量管理等方面带来的诸多不利影响
&
提出一种基于改进深度受限玻尔兹
曼机
!US;"
算法的光伏发电短期功率概率预测模型
#
通过灰色关联系数法寻找待预测日的相似日
#
并利用遗
传算法对
US;
算法进行参数优化
#
避免模型参数寻优陷入局部最优
#
以提高预测模型的预测精度
&
仿真算
例表明#所提模型可以更好地反映光伏发电功率的概率分布&
关键词
#
光伏发电
*
概率预测
*
受限玻尔兹曼机
*
灰色关联系数法
*
遗传算法
中图分类号
#J;L&#
文献标识码
#1 KPA#&%9&L%"& QR9-DD59&%%L
G
L%EB9$%&"9%#9%%L
收稿日期#$%&B
G
%#
G
!%*
修回日期#$%&"
G
%$
G
$&
基金项目#国家自然科学基金资助项目! #&EBB&&&"*国家重
点研发计划项目!$%&L cWS%M%&&%E"
.,/R)*+D277/,+)C T<+V):4+-/54(:4+2,4(?*-)5*)W/25C4+-/5 /N
HV-54!#&EBB&&&" 45C :4+-/54(^)<U)D)4,*V 45C K)Y)(/73)5+
.,/O,43/NHV-54!$%&LcWS%M%&&%E"
%>
引言
光伏发电具有污染少
(
规模灵活等优点
#
得到了
广泛应用
$
但由于光伏发电系统受环境因素影响明
显#存在不确定性(波动性(间歇性等特点#不利于电
网的安全调度和能量管理
#
增加了电网的运行风
险
-&.
$ 而光伏发电系统的波动性越大#对其发电功
率进行确定性预测的预测精度就会越低#
因此#
对光
伏发电的短期功率进行概率预测#可以更加全面地
反映光伏发电信息#对于电网的安全调度和经济管
理具有重要的意义
-$I!.
$
文献
-E.
分析了太阳辐射强度
(
温度对光伏发
电功率的影响
#
采用反传播
S.! S4*X .,/74O4+-/5"
神
经网络算法建立短期光伏发电功率预测模型#对次
日 $E V
的光伏输出功率进行预测$
文献-#.
分析了
天气类型对光伏发电出力的影响
#
基于
S.
神经网
络建立了计及天气类型指数的光伏发电短期出力预
测模型
$
文献
-L.
利用距离分析方法分析光伏发电
量与气象因素间的相关性#确定以气温和湿度作为
预报输入因子#
建立 S.
神经网络的无辐照度发电
量短期预报模型'
为适应天气突变#
采用自组织特征
映射 ?P;! ?)(NIP,O45-b-5ON)4+2,);47"
由云量预报
信息对天气类型进行聚类识别
$
文献
-B.
针对气象
专业天气类型进行归纳合并#得到 E 种广义天气类
型'提取辐照度的特征参数#建立基于支持向量机
?8;! ?277/,+8)*+/,;4*V-5)" 的天气状态模式识别
模型#
辨识恢复部分历史数据所缺失的天气类型信
息$ 文献-". 建立了径向基函数神经网络模型对光
伏系统发电功率进行预测
$
文献
-M.
通过人工神经
网络 1::! 1,+-N-*-4(:)2,4(:)+0/,X"
的方法对光伏
出力进行预测
$
文献
-&%.
通过随机森林等回归算
法对光伏功率进行预测
$
文献
-&&.
基于天气分类
#
采用 ?8;
算法预测未来短期光伏发电量的区间分
布
$
文献-&$.
基于太阳辐射和环境温度等变量#
采
用 ?8;算法对光伏出力进行实时预测$ 文献-&!.
提出采用和声搜索优化高斯过程中超参数的建模方
法#提高了传统高斯过程方法的预测精度$ 文献
-&E.针对天气突变的问题#通过临近传播的方法对
天气进行分类#
在此基础上建立回声网络状态方程
对光伏出力进行预测$
文献-&#.
提出利用相似变量的基值点误差#
采
用组合权重法求取相似误差#确定相似日#然后将相
似日的输出功率按不同权重系数加权得到预测功率
的光伏功率预测方法$
对于光伏发电系统而言
#
由于其发电功率受自
然环境因素的影响较为明显#对光伏发电短期功率
进行预测的精确度难以准确保证#
而概率预测却可
以保证在满足给定精确度的要求下获取更加全面的
光伏发电功率数据
$
文献-&L. 通过分析影响光伏发电系统的各因
素及其之间的关系#建立系统的动态贝叶斯网络模
型#
在基于当前时刻各影响因素水平的条件下#
预测
未来短期光伏发电量的区间分布
$
本文通过分析影响光伏发电功率的环境因素数
据#
应用灰色关联系数法确定待预测日的相似日#
采
用改进深度受限玻尔兹曼机! US;" 学习算法构建
短期光伏发电功率概率预测模型#
以相似日的历史
功率数据和待预测日的天气数据作为模型的输入数
据#对待预测日的光伏发电功率进行概率预测#仿真
算例验证了该模型的有效性$