《风电和光伏功率概率预测分析案例》2400字.docVIP

PAGE

PAGE22

风电和光伏功率概率预测分析案例

目录

TOC\o1-3\h\u32703风电和光伏功率概率预测分析案例 1

138371.1贝叶斯LSTM(BayesianLSTM)神经网络 1

285951.2概率预测评价标准 2

31981.3短期光伏功率概率预测 3

313841.4短期风电功率概率预测 5

依据预测结果的类型，光伏和风电出力预测可以分为确定性预测与概率预测。确定性预测方法以确定的功率值为预测结果，包括时间序列回归、相似日聚类、深度神经网络等多种方法。确定性预测能够支持调度系统进行长时间尺度优化，但无法给出预测结果的概率与波动区间。在复杂天气条件下，光伏出力短时波动较大，确定性预测方法的预测精度将显著降低，这将影响电网的安全稳定运行。概率预测方法以光伏设备在预测时刻的出力概率分布为输出，即给出预测时刻光伏设备所有可能的出力值及其概率，从而对预测点的不确定性进行描述。调度系统可利用预测的区间大小评估光伏出力的波动情况，从而考虑极端状况下的调度策略，提高电网的安全性。目前，国内外光伏概率预测的研究处于起步阶段，学者一般采用数据驱动的方法构建预测模型。传统的概率预测方法通常预先假设预测目标服从确定的分布函数，如正态分布和持续区间预测法等，从历史数据中学习分布函数的参数，从而得到预测点光伏出力