基于多链MCMC算法的光伏能量出力预测分析.pdfVIP

粘学术论文

接Academicpapers化学化工资源

2024年8月第51卷第8期

doi：10.3969／j.issn.1001-5922.2024.08.035Vol.51No.08，Aug.2024

基于多链MCMC算法的光伏能量

出力预测分析

赵树志，高嘉浩，燕凯

（国网冀北电力有限公司唐山供电公司，河北唐山063000）

摘要：为了实现电力系统的科学规划与调控，建立了一种多链马尔科夫-蒙特卡洛算法（MCMC），选择3组

相关程度存在差异的光伏电站开展仿真分析，验证预测的可靠性。研究结果表明，采用多链算法得到的概率

与累积密度更符合历史序列，充分体现出了历史序列所具备的统计特性。加入相关性特征参数的多链MC⁃

MC算法对于光伏电站出力分析的性能依然比单链算法更优。根据多链算法预测序列建立的自相关曲线相

对历史序列达到了更接近的程度，对于原序列时间相关度的保持过程发挥了关键作用。该算法能够更有效

地体现多个光伏电站出力间相互影响，更加适用于未来电力系统规划要求。

关键词：光伏出力；随机时间序列；相关性；多链马尔科夫；预测

中图分类号：TM743；TP39文献标志码：A文章编号：1001-5922（2024）08-0134-04

Photovoltaicenergyoutputpredictionandanalysisbased

onmulti-chainMCMCalgorithm

ZHAOShuzhi，GAOJiahao，YANKai

（TangshanPowerSupplyCompany，StateGridHebeiElectricPowerCo.，Ltd.，Tangshan063000，HebeiChina）

Abstract：Inordertorealizethescientificplanningandregulationofthepowersystem，amulti-chainMarkov-Mon⁃

teCarloalgorithm（MCMC）wasestablished，andthreegroupsofphotovoltaicpowerstationswithdifferentcorrela⁃

tiondegreeswereselectedforsimulationanalysistoverifythereliabilityoftheprediction.Theresultsshowedthat

theprobabilityandcumulativedensityobtainedbythemulti-chainalgorithmweremoreconsistentwiththehistori⁃

calsequence，whichfullyreflectedthestatisticalcharacteristicsofthehistoricalsequence.Theperformanceof

multi-chainMCMCalgorithmwithcorrelationcharacteristicparameterswasstillbetterthanthatofsingle-chainal⁃

gorithmforphotovoltaicpowerstationoutputanalysis.Theautocorrelationcurveestablishedaccordingtothepredic⁃

tionsequenceofmulti-chainalgorithmwasclosertothehistoricalsequence，whichplayedakeyroleinmaintaining

thetimecorrelationdegreeoftheoriginalsequence.Thealgorithmcanmoreeffectivelyreflecttheinteractionbe⁃

tweentheoutputofmultiplephotovoltaicpowerstations，and