高胜强, 张琳, 王海鹏, 宋煜, 燕灏, 刘紫凝, 周维维, 卜帅羽
为了显著提高光伏电站输出功率的预测精度,提出了一种基于CCM-IGRA-PSO-BiLSTM的光伏出力智能预测模型。首先,采用收敛交叉映射(convergent cross mapping,CCM)算法提取影响光伏出力的关键气象要素,并将其作为相似日选取的重要评判指标和后续搭建的预测模型的重要输入变量;其次,运用基于熵权法的改进灰色关联分析法(improved grey relation analysis,IGRA)筛选与待预测日气象特征相近的历史相似日;接下来,分别将选定相似日的关键气象参数和光伏发电序列作为训练样本集的输入和输出变量,使用粒子群优化算法(particle swarm optimization,PSO)确定双向长短期记忆网络(bidirectional long short-term memory,Bi-LSTM)的最优超参数组合,建立待预测日的高精度光伏出力预测模型;最后,以云南省某光伏电站为研究对象,建立四个季节的典型日的日前光伏出力组合预测模型,采用平均绝对误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和均方根误差(root mean square error,RMSE)作为模型性能的评价指标。结果显示,以夏季的晴天天气为例,所提模型的MAPE、MAE和RMSE分别达到了0.38%、0.06和0.07 MW,均优于基准模型,可为电站制定合理的生产计划和电力市场参与策略提供科学的指导和支持。