基于XGBoost的双层协同实时校正超短期光伏预测

唐雅洁; 林达; 倪筹帷; 赵波

doi:10.7500/AEPS20200103001

您当前的位置：

首页 >

文章列表页 >

基于XGBoost的双层协同实时校正超短期光伏预测

学术研究 | 更新时间：2025-06-16

- 基于XGBoost的双层协同实时校正超短期光伏预测
- XGBoost Based Bi-layer Collaborative Real-time Calibration for Ultra-short-term Photovoltaic Prediction
- 电力系统自动化-方正平台 2021年45卷第7期页码：18-27
- 作者机构：
  
  国网浙江省电力有限公司电力科学研究院，浙江省杭州市 310014
- 作者简介：
  
  唐雅洁(1993—)，女，硕士，主要研究方向：微电网能量管理、光伏与负荷功率预测。E-mail：tyj_11@163.com
  林达(1989—)，男，博士，高级工程师，主要研究方向：分布式电源、大规模储能及综合能源。E-mail：ld2009ee@163.com
  倪筹帷（1991—），男，博士，主要研究方向：综合能源优化技术、电磁兼容技术。E-mail：12345ncw@163.com
  赵波(1977—)，男，通信作者，博士，教授级高级工程师，主要研究方向：分布式电源、储能及微电网。E-mail：zhaobozju@163.com
- 基金信息：
  
  国家自然科学基金资助项目(51807026)
- DOI：10.7500/AEPS20200103001
  中图分类号：
- 收稿日期：2020-01-03，
  
  修回日期：2020-07-24，
  
  网络出版日期：2020-08-31，
  
  纸质出版日期：2021-04-10
- 稿件说明：
移动端阅览
唐雅洁,林达,倪筹帷等.基于XGBoost的双层协同实时校正超短期光伏预测[J].电力系统自动化,2021,45(7):18-27.

TANG Yajie,LIN Da,NI Chouwei,et al.XGBoost Based Bi-layer Collaborative Real-time Calibration for Ultra-short-term Photovoltaic Prediction[J].Automation of Electric Power Systems,2021,45(7):18-27.
唐雅洁,林达,倪筹帷等.基于XGBoost的双层协同实时校正超短期光伏预测[J].电力系统自动化,2021,45(7):18-27. DOI： 10.7500/AEPS20200103001.

TANG Yajie,LIN Da,NI Chouwei,et al.XGBoost Based Bi-layer Collaborative Real-time Calibration for Ultra-short-term Photovoltaic Prediction[J].Automation of Electric Power Systems,2021,45(7):18-27. DOI： 10.7500/AEPS20200103001.

摘要

针对超短期光伏预测应对突发过程性天气时准确性普遍下降，而通过实时气象监测校正辐射值对设备要求较高、对精细化预报依赖性强的问题，以数据驱动为理念，提出了基于XGBoost的双层协同实时校正超短期光伏预测模型。根据大气运动的连续演变性和自相似性，从机器学习角度推演气象整体连续变化的过程，提升预测精度。首先，基于数值天气预报(NWP)，在基准层建立强相关气象特征的预测模型。然后，在实时层由临近时段内的基准层动态预测情况挖掘潜在的气象变化规律，并推测未来预测时段气象因素对于光伏出力的影响，对时段内基准预测值进行逐点校正。采用中国杭州滨江一实际光伏电站实采数据进行算例分析，分别与基于NWP特征学习、时序分析、误差推移的XGBoost预测模型以及决策树、支持向量机、长短期记忆网络这3种经典预测模型相比较，结果表明所提模型具有更高的超短期光伏预测精度。

Abstract

The accuracy of ultra-short-term photovoltaic (PV) prediction generally declines when facing sudden processing weather

and radiation value calibration through real-time meteorological monitoring has high equipment requirements and a strong dependence on refined prediction. To solve the problems above

this paper proposes a bi-layer collaborative prediction model with real-time calibration based on extreme gradient boosting (XGBoost) by the guidelines of data-driven concept. According to the continuous evolution and self-similarity of atmospheric motion

the model deduces the overall meteorological change process from the perspective of machine learning to improve the prediction accuracy. Firstly

based on numerical weather prediction (NWP)

a prediction model is established on the basic layer based on highly correlated meteorological features. Secondly

on the real-time layer

the dynamic prediction of the basic layer in the adjacent time period is used to explore the potential meteorological changes

and the impact of meteorological factors on the PV output in the future prediction time period is speculated. The reference prediction values in this time period are corrected point by point. Through the case study of the measured data in a certain PV station in Binjiang District

Hangzhou

China

the results show that the proposed model has higher accuracy for ultra-short-term PV power predicition

compared with the XGBoost prediction model based on NWP feature learning

time series

error shifting

and three classical prediction model like decision tree

support vector machine (SVM)

long short-term memory (LSTM) network.

关键词

Keywords

references

丁明，王伟胜，王秀丽，等 . 大规模光伏发电对电力系统影响综述［J］. 中国电机工程学报， 2014 ， 34 （ 1 ）： 1 - 14 .

DING Ming ， WANG Weisheng ， WANG Xiuli ， et al . A review on the effect of large-scale PV generation on power systems ［J］. Proceedings of the CSEE ， 2014 ， 34 （ 1 ）： 1 - 14 .

BEBIC J . Power system planning ［M］. Washington DC ， USA： National Renewable Energy Laboratory ， 2008 .

鲁宗相，黄瀚，单葆国，等 . 高比例可再生能源电力系统结构形态演化及电力预测展望［J］. 电力系统自动化， 2017 ， 41 （ 9 ）： 12 - 18 .

LU Zongxiang ， HUANG Han ， SHAN Baoguo ， et al . Morphological evolution model and power forecasting prospect of future electric power systems with high proportion of renewable energy ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 9 ）： 12 - 18 .

国家能源局 . 光伏发电功率预测系统功能规范：NB/T 32031—2016 ［S］. 北京：新华出版社， 2016 .

National Energy Administrator . Function specification of PV power forecasting system： NB/T 32031—2016 ［S］. Beijing ： Xinhua Publishing House ， 2016 .

车泉辉，吴耀武，祝志刚，等 . 基于碳交易的含大规模光伏发电系统复合储能优化调度［J］. 电力系统自动化， 2019 ， 43 （ 3 ）： 76 - 83 .

CHE Quanhui ， WU Yaowu ， ZHU Zhigang ， et al . Carbon trading based optimal scheduling of hybrid energy storage system in power systems with large-scale photovoltaic power generation ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 3 ）： 76 - 83 .

张江林，高红均，王家怡，等 . 计及预测精度及拓扑结构的光伏电站储能经济配置［J］. 电力自动化设备， 2019 ， 39 （ 6 ）： 115 - 121 .

ZHANG Jianglin ， GAO Hongjun ， WANG Jiayi ， et al . Economic allocation of energy storage in photovoltaic power station considering prediction accuracy and topological structure ［J］. Electric Power Automation Equipment ， 2019 ， 39 （ 6 ）： 115 - 121 .

王晶，黄越辉，李驰，等 . 考虑空间相关性和天气类型划分的多光伏电站时间序列建模方法［J］. 电网技术， 2020 ， 44 （ 4 ）： 1376 - 1384 .

WANG Jing ， HUANG Yuehui ， LI Chi ， et al . Time series modeling method for multi-photovoltaic power stations considering spatial correlation and weather type classification ［J］. Power System Technology ， 2020 ， 44 （ 4 ）： 1376 - 1384 .

王粟，江鑫，曾亮，等 . 基于VMD-DESN-MSGP模型的超短期光伏功率预测［J］. 电网技术， 2020 ， 44 （ 3 ）： 917 - 926 .

WANG Su ， JIANG Xin ， ZENG Liang ， et al . Ultra-short-term photovoltaic power prediction based on VMD-DESN-MSGP model ［J］. Power System Technology ， 2020 ， 44 （ 3 ）： 917 - 926 .

李建文，焦衡，刘凤梧，等 . 基于相似时段的分时段光伏出力短期预测［J］. 电力自动化设备， 2018 ， 38 （ 8 ）： 183 - 188 .

LI Jianwen ， JIAO Heng ， LIU Fengwu ， et al . Short-time segmented photovoltaic output forecasting based on similar period ［J］. Electric Power Automation Equipment ， 2018 ， 38 （ 8 ）： 183 - 188 .

刘博，柯德平，李鹏，等 . 低压配电台区分布式光伏发电功率辨识方法［J］. 电力系统自动化， 2019 ， 43 （ 19 ）： 111 - 117 .

LIU Bo ， KE Deping ， LI Peng ， et al . Identification method of distributed photovoltaic power in low-voltage distribution networks ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 19 ）： 111 - 117 .

王昕，黄柯，郑益慧，等 . 基于PNN/PCA/SS-SVR的光伏发电功率短期预测方法［J］. 电力系统自动化， 2016 ， 40 （ 17 ）： 156 - 162 .

WANG Xin ， HUANG Ke ， ZHENG Yihui ， et al . Short-term forecasting method of photovoltaic output power based on PNN/PCA/SS-SVR ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 17 ）： 156 - 162 .

张倩，马愿，李国丽，等 . 频域分解和深度学习算法在短期负荷及光伏功率预测中的应用［J］. 中国电机工程学报， 2019 ， 39 （ 8 ）： 2221 - 2230 .

ZHANG Qian ， MA Yuan ， LI Guoli ， et al . Applications of frequency domain decomposition and deep learning algorithms in short-term load and photovoltaic power forecasting ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 8 ）： 2221 - 2230 .

CHEN T Q ， GUESTRIN C . XGBoost： a scalable tree boosting system ［C］// Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining ， August 24 - 27 ， 2016 ， California， USA： 785 - 794 .

陈明华，刘群英，张家枢，等 . 基于XGBoost的电力系统暂态稳定预测方法［J］. 电网技术， 2020 ， 44 （ 3 ）： 1026 - 1034 .

CHEN Minghua ， LIU Qunying ， ZHANG Jiashu ， et al . XGBoost-based algorithm for post-fault transient stability status prediction ［J］. Power System Technology ， 2020 ， 44 （ 3 ）： 1026 - 1034 .

陈振宇，刘金波，李晨，等 . 基于LSTM与XGBoost组合模型的超短期电力负荷预测［J］. 电网技术， 2020 ， 44 （ 2 ）： 614 - 620 .

CHEN Zhenyu ， LIU Jinbo ， LI Chen ， et al . Ultra short-term power load forecasting based on combined LSTM-XGBoost model ［J］. Power System Technology ， 2020 ， 44 （ 2 ）： 614 - 620 .

王桂兰，赵洪山，米增强 . XGBoost算法在风机主轴承故障预测中的应用［J］. 电力自动化设备， 2019 ， 39 （ 1 ）： 73 - 77 .

WANG Guilan ， ZHAO Hongshan ， MI Zengqiang . Application of XGBoost algorithm in prediction of wind motor main bearing fault ［J］. Electric Power Automation Equipment ， 2019 ， 39 （ 1 ）： 73 - 77 .

彭曙蓉，郑国栋，黄士峻，等 . 基于XGBoost算法融合多特征短期光伏发电量预测［J/OL］. 电测与仪表［ 2020-07-21 ］. http：//kns.cnki.net/kcms/detail/23.1202.TH.20191209.1044.002.html http://kns.cnki.net/kcms/detail/23.1202.TH.20191209.1044.002.html .

PENG Shurong ， ZHENG Guodong ， HUANG Shijun ， et al . Multiple-feature short-term photovoltaic generation forecasting based on XGBoost algorithm ［J/OL］. Electrical Measurement & Instrumentation ［ 2020-07-21 ］. http：//kns.cnki.net/kcms/detail/23.1202.TH.20191209.1044.002.html http://kns.cnki.net/kcms/detail/23.1202.TH.20191209.1044.002.html .

YAO S Y ， PAN L ， YU Z B ， et al . Hierarchically non-continuous regression prediction for short-term photovoltaic power output ［C］// IEEE 16th International Conference on Networking ， Sensing and Control （ICNSC）， May 9 - 11 ， 2019 ， Banff， Canada： 379 - 384 .

陈志宝，丁杰，周海，等 . 地基云图结合径向基函数人工神经网络的光伏功率超短期预测模型［J］. 中国电机工程学报， 2015 ， 35 （ 3 ）： 561 - 567 .

CHEN Zhibao ， DING Jie ， ZHOU Hai ， et al . A model of very short-term photovoltaic power forecasting based on ground-based cloud images and RBF neural network ［J］. Proceedings of the CSEE ， 2015 ， 35 （ 3 ）： 561 - 567 .

刘卫亮，刘长良，林永君，等 . 计及雾霾影响因素的光伏发电超短期功率预测［J］. 中国电机工程学报， 2018 ， 38 （ 14 ）： 4086 - 4095 .

LIU Weiliang ， LIU Changliang ， LIN Yongjun ， et al . Super short-term photovoltaic power forecasting considering influence factor of smog ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 14 ）： 4086 - 4095 .

朱想，周海，朱婷婷，等 . 光伏系统中地基云图的预处理［J］. 电力系统自动化， 2018 ， 42 （ 6 ）： 140 - 145 .

ZHU Xiang ， ZHOU Hai ， ZHU Tingting ， et al . Pre-processing of ground-based cloud images in photovoltaic system ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 6 ）： 140 - 145 .

刘杰，陈雪梅，陆超，等 . 基于数据统计特性考虑误差修正的两阶段光伏功率预测［J/OL］. 电网技术［ 2020-06-15 ］. https：//doi.org/10.13335/j.1000-3673.pst.2020.0027a https://doi.org/10.13335/j.1000-3673.pst.2020.0027a .

LIU Jie ， CHEN Xuemei ， LU Chao ， et al . Two-stage photovoltaic power forecasting and error correction method based on statistical characteristics of data ［J/OL］. Power System Technology ［ 2020-06-15 ］. https：//doi.org/10.13335/j.1000-3673.pst.2020.0027a https://doi.org/10.13335/j.1000-3673.pst.2020.0027a .

余向阳，赵怡茗，杨宁宁，等 . 基于VMD-SE-LSSVM和迭代误差修正的光伏发电功率预测［J］. 太阳能学报， 2020 ， 41 （ 2 ）： 310 - 318 .

YU Xiangyang ， ZHAO Yiming ， YANG Ningning ， et al . Photovoltaic power generation forecasting based on VMD-SE-LSSVM and iterative error correction ［J］. Acta Energiae Solaris Sinica ， 2020 ， 41 （ 2 ）： 310 - 318 .

MOORE D S . Statistics： concepts and controversies ［M］. New York， USA ， W . H . Freeman and Company ， 2017 .

于海鹏 . 利用历史资料订正数值模式预报误差研究［D］. 兰州：兰州大学， 2016 .

YU Haipeng . Correcting prediction errors using historical data for numerical models ［D］. Lanzhou ： Lanzhou University ， 2016 .

郭换换，智协飞，段明铿，等 . 数值天气预报中的不一致性问题综述［J］. 气象科学， 2016 ， 36 （ 1 ）： 134 - 140 .

GUO Huanhuan ， ZHI Xiefei ， DUAN Mingkeng ， et al . Review on the inconsistency of numerical weather prediction ［J］. Journal of the Meteorological Sciences ， 2016 ， 36 （ 1 ）： 134 - 140 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于网络能量轨迹特征学习的新能源电力系统暂态稳定评估

基于模体的低压配电网负荷波动特性分析

基于典型窃电用户相似性检索的窃电行为检测方法

基于双向门控循环单元的电力系统暂态稳定评估