基于集成机器学习模型的短期光伏出力区间预测.pdfVIP

2024第52卷第2期Vol.52No.2ArtificialIntelligenceTechnology人工智能技术

基于集成机器学习模型的短期光伏出力区间预测

1212

陈习勋，吴凯彤，何杰，彭显刚

（1.广东电网有限责任公司汕头供电局，广东汕头515041；

2.广东工业大学自动化学院，广东广州510006）

摘要：为全面深挖影响光伏出力因素之间的关联信息，进一步提高机器学习模型在短期光伏出力区间预测的

精度，提出一种基于集成机器学习模型的短期光伏出力区间预测方法。首先，利用快速相关性过滤（FCBF）的特

征选择算法对多维的历史光伏数据及气象数据进行最优特征的提取；然后，在集成多个机器学习模型的基础上，

收集训练过程中的预测误差，通过最大似然估计获取预测误差的概率分布，得到预测区间的上下限；最后，结合

集成学习模型预测得到光伏出力曲线，进而得到最终的日前光伏出力预测区间。最后通过算例验证了所提模型

的可靠性与优越性。

关键词：短期光伏功率预测；特征选择；机器学习；区间预测

中图分类号：TM714文献标志码：A文章编号：2096-4145（2024）02-0087-07

ShortTermPhotovoltaicOutputIntervalPredictionBasedon

IntegratedMachineLearningModel

1212

CHENXixun，WUKaitong，HEJie，PENGXiangang

（1.ShantouPowerSupplyBureauofGuangdongPowerGridCo.，Ltd.,Shantou515041，China；

2.CollegeofAutomation，GuangdongUniversityofTechnology，Guangzhou510006，China）

Abstract:Tocomprehensivelyexplorethecorrelationinformationbetweendifferentfactorsaffectingphotovoltaicoutput，thepaper

proposesashorttermphotovoltaicoutputintervalpredictionmethodbasedonintegratedmachinelearningmodeltofurtherimprovethe

accuracyoftheshort-termphotovoltaicoutputintervalpredictionwiththemachinelearningmodel.Firstly，thefastcorrelationbased

filter（FCBF）isusedtoextracttheoptimalfeaturesfrommultidimensionalhistoricalphotovoltaicdataandmeteorologicaldata.Thenon

thebasisofintegratingmultiplemachinelearningmodels，thepredictionerrorsduringthetrainingprocessarecollected，andthe

probabilitydistributionofthepredictionerrorsisobtainedthroughmaximumlikelihoodestimation,therebyobtainingtheupperandlower

limitsofthepredictioninterval.Finally，thephotovoltaicoutputcurveisgotbycombin