分布式光伏集群功率短期预测的空间互补特性初探

阮呈隆; 李康平; 李正辉; 黄淳驿

doi:10.7500/AEPS20230518009

您当前的位置：

首页 >

文章列表页 >

分布式光伏集群功率短期预测的空间互补特性初探

学术研究 | 更新时间：2025-06-16

- 分布式光伏集群功率短期预测的空间互补特性初探
- Preliminary Study on Spatial Complementarity Characteristics of Short-term Power Prediction for Distributed Photovoltaic Clusters
- 电力系统自动化 2024年48卷第3期页码：42-50
- 作者机构：
  
  1.上海交通大学智慧能源创新学院，上海市 200240
  2.上海非碳基能源转换与利用研究院，上海市 200240
  3.清华大学电机工程与应用电子技术系，北京市 100084
  4.电力传输与功率变换控制教育部重点实验室（上海交通大学），上海市 200240
- 作者简介：
  
  阮呈隆(2001—)，男，硕士研究生，主要研究方向：分布式光伏功率预测。E-mail：1255652876@sjtu.edu.cn
  李康平(1992—)，男，通信作者，助理教授，博士生导师，主要研究方向：需求响应、电力预测。E-mail：kangpingli@sjtu.edu.cn
  李正辉(1996—)，男，博士研究生，主要研究方向：需求响应、电力预测。E-mail：zhenghuili@sjtu.edu.cn
- 基金信息：
  
  国家自然科学基金青年基金资助项目(52107103);新型电力系统运行与控制全国重点实验室开放基金课题(SKLD22KM13)
- DOI：10.7500/AEPS20230518009
  中图分类号：
- 收稿：2023-05-18，
  
  修回：2023-08-11，
  
  纸质出版：2024-02-10
- 稿件说明：
移动端阅览
阮呈隆,李康平,李正辉等.分布式光伏集群功率短期预测的空间互补特性初探[J].电力系统自动化,2024,48(3):42-50.

RUAN Chenglong,LI Kangping,LI Zhenghui,et al.Preliminary Study on Spatial Complementarity Characteristics of Short-term Power Prediction for Distributed Photovoltaic Clusters[J].Automation of Electric Power Systems,2024,48(3):42-50.
阮呈隆,李康平,李正辉等.分布式光伏集群功率短期预测的空间互补特性初探[J].电力系统自动化,2024,48(3):42-50. DOI： 10.7500/AEPS20230518009.

RUAN Chenglong,LI Kangping,LI Zhenghui,et al.Preliminary Study on Spatial Complementarity Characteristics of Short-term Power Prediction for Distributed Photovoltaic Clusters[J].Automation of Electric Power Systems,2024,48(3):42-50. DOI： 10.7500/AEPS20230518009.

摘要

随着分布式光伏装机容量的快速增长，分布式光伏集群功率预测对电网调度的影响日益增强。分布式光伏集群功率预测存在“先累加后预测”“先预测后累加”以及“先聚类再预测”3种技术路线。通过在含600多个分布式光伏站点实测功率数据集上的实验发现，分布式光伏集群功率预测存在“空间互补”现象，即3类集群预测路线得到的预测误差相比于单个场站的平均预测误差都有所降低。为了探究空间互补现象的产生机理及影响因素，首先从机理分析的角度将其归纳为“出力曲线互补”和“预测误差互补”两类空间互补特性。然后，提出了“空间互补系数”这一概念，对互补效果进行量化评估。最后，探究了集群规模、分布范围、天气类型和聚类簇数4种因素对空间互补特性的影响。结果表明，两类空间互补特性对分布式光伏集群短期功率预测精度提升效果显著，且预测误差互补在精度上优于出力曲线互补。研究结果可为分布式光伏集群划分提供依据，有助于实现更加高效且准确的功率预测。

Abstract

With the rapid growth of distributed photovoltaic (PV) installed capacity

the impact of power prediction for distributed PV clusters on grid dispatch is becoming increasingly significant. There are three technical routes for power prediction of distributed PV clusters

i.e.

accumulation before prediction

prediction before accumulation and clustering before prediction. Through experiments on a dataset of over 600 distributed PV sites

the spatial complementarity is found in the power prediction for distributed PV clusters

whereby the prediction errors of the three cluster prediction routes are lower than the average prediction error of a single site. To explore the generation mechanism and influencing factors of the spatial complementarity

this paper first categorizes it into two types of spatial complementarity characteristics

namely power curve complementarity and prediction error complementarity

based on the mechanism analysis. Secondly

the concept of spatial complementarity coefficient is proposed to quantitatively evaluate the complementary effect. Finally

the effects of cluster scale

distribution range

weather type and number of clusters on the spatial complementarity characteristics are explored. The results show that the two types of spatial complementarity characteristics have significant effects on improving the short-term power prediction accuracy of distributed PV clusters

with prediction error complementarity superior to power curve complementarity. The research results can provide a basis for the division of distributed PV clusters and contribute to achieving more efficient and accurate power prediction.

关键词

Keywords

references

YANG S X ， ZHANG Y ， CHENG X Y . Economic modeling of distributed photovoltaic penetration considering subsidies and countywide promotion policy： an empirical study in Beijing ［J］. Journal of Renewable and Sustainable Energy ， 2022 ， 14 （ 5 ）： 55301 .

国家能源局 . 2022年光伏发电建设运行情况［EB/OL］.［ 2023-03-16 ］. http：//www.nea.gov.cn/2023-02/17/c_1310698128.htm http://www.nea.gov.cn/2023-02/17/c_1310698128.htm .

National Energy Administration . 2022 photovoltaic power generation construction operation ［EB/OL］. ［ 2023-03-16 ］. http：//www.nea.gov.cn/2023-02/17/c_1310698128.htm http://www.nea.gov.cn/2023-02/17/c_1310698128.htm .

KOOHI-KAMAL S ， RAHIM N A ， MOKHLIS H ， et al . Photovoltaic electricity generator dynamic modeling methods for smart grid applications： a review ［J］. Renewable and Sustainable Energy Reviews ， 2016 ， 57 ： 131 - 172 .

赖昌伟，黎静华，陈博，等 . 光伏发电出力预测技术研究综述［J］. 电工技术学报， 2019 ， 34 （ 6 ）： 1201 - 1217 .

LAI Changwei ， LI Jinghua ， CHEN Bo ， et al . Review of photovoltaic power output prediction technology ［J］. Transactions of China Electrotechnical Society ， 2019 ， 34 （ 6 ）： 1201 - 1217 .

ANTONANZAS J ， OSORIO N ， ESCOBAR R ， et al . Review of photovoltaic power forecasting ［J］. Solar Energy ， 2016 ， 136 ： 78 - 111 .

RIZWAN M ， JAMIL M ， KOTHARI D P . Solar energy estimation using REST model for PV-ECS based distributed power generating system ［J］. Solar Energy Materials and Solar Cells ， 2010 ， 94 （ 8 ）： 1324 - 1328 .

龚莺飞，鲁宗相，乔颖，等 . 光伏功率预测技术［J］. 电力系统自动化， 2016 ， 40 （ 4 ）： 140 - 151 .

GONG Yingfei ， LU Zongxiang ， QIAO Ying ， et al . An overview of photovoltaic energy system output forecasting technology ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 4 ）： 140 - 151 .

LI Y T ， SU Y ， SHU L J . An ARMAX model for forecasting the power output of a grid connected photovoltaic system ［J］. Renewable Energy ， 2014 ， 66 ： 78 - 89 .

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 .

DAS U ， TEY K ， SEYEDMAHMOUDIAN M ， et al . SVR-based model to forecast PV power generation under different weather conditions ［J］. Energies ， 2017 ， 10 （ 7 ）： 876 .

刘晓艳，王珏，姚铁锤，等 . 基于卫星遥感的超短期分布式光伏功率预测［J］. 电工技术学报， 2022 ， 37 （ 7 ）： 1800 - 1809 .

杨晶显，张帅，刘继春，等 . 基于VMD和双重注意力机制LSTM的短期光伏功率预测［J］. 电力系统自动化， 2021 ， 45 （ 3 ）： 174 - 182 .

YANG Jingxian ， ZHANG Shuai ， LIU Jichun ， et al . Short-term photovoltaic power prediction based on variational mode decomposition and long short-term memory with dual-stage attention mechanism ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 3 ）： 174 - 182 .

MOAVENI H ， CLICK D K ， MEEKER R H ， et al . Quantifying solar power variability for a large central PV plant and small distributed PV plant ［C］// 2013 IEEE 39th Photovoltaic Specialists Conference （PVSC）， June 16-21 ， 2013 ， Tampa， USA ： 969 - 972 .

ISLAM M R ， WALDL H P I . Ramp rate analysis of roof-top PV on distribution grids for large cities in Australia ［C］// 2016 4th International Conference on the Development in the in Renewable Energy Technology （ICDRET）， January 7-9 ， 2016 ， Dhaka， Bangladesh ： 1 - 5 .

KLIMA K ， APT J ， BANDI M ， et al . Geographic smoothing of solar photovoltaic electric power production in the Western USA ［J］. Journal of Renewable and Sustainable Energy ， 2018 ， 10 （ 5 ）： 053504 .

RAZA M Q ， NADARAJAH M ， EKANAYAKE C . On recent advances in PV output power forecast ［J］. Solar Energy ， 2016 ， 136 ： 125 - 144 .

调度侧风电或光伏功率预测系统技术要求： GB/T 40607—2021 ［S］. 北京：中国标准出版社， 2021 .

Standardization Administration . Technical requirements for dispatching side forecasting system of wind or photovoltaic power ： GB/T 40607—2021 ［S］. Beijing ： Standards Press of China ， 2021 .

VAN DER MEER D W ， WIDÉN J ， MUNKHAMMAR J . Review on probabilistic forecasting of photovoltaic power production and electricity consumption ［J］. Renewable and Sustainable Energy Reviews ， 2018 ， 81 ： 1484 - 1512 .

叶林，裴铭，路朋，等 . 基于天气分型的短期光伏功率组合预测方法［J］. 电力系统自动化， 2021 ， 45 （ 1 ）： 44 - 54 .

YE Lin ， PEI Ming ， LU Peng ， et al . Combination forecasting method of short-term photovoltaic power based on weather classification ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 1 ）： 44 - 54 .

王飞，米增强，甄钊，等 . 基于天气状态模式识别的光伏电站发电功率分类预测方法［J］. 中国电机工程学报， 2013 ， 33 （ 34 ）： 75 - 82 .

WANG Fei ， MI Zengqiang ， ZHEN Zhao ， et al . A classified forecasting approach of power generation for photovoltaic plants based on weather condition pattern recognition ［J］. Proceedings of the CSEE ， 2013 ， 33 （ 34 ）： 75 - 82 .

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

考虑NWP传递熵因果验证的光伏功率预测误差溯源方法

基于多误差特性融合的架空线路载流量概率预测

基于运行数据的短期风电功率预测误差互补特性探析

基于W-BiLSTM的可再生能源超短期发电功率预测方法