基于小波分析和集成学习的光伏输出功率短期预测

孙永辉，范　磊，卫志农，李慧杰，Kwok W Cheung，孙国强（.河海大学能源与电气学院，南京 0098；.阿尔斯通电网技术中心有限公司，上海 04；.ALSTOM Grid lnc.，Redmond，Washington，USA 9805）

基于小波分析和集成学习的光伏输出功率短期预测

孙永辉1，范磊1，卫志农1，李慧杰2，Kwok W Cheung3，孙国强1
（1.河海大学能源与电气学院，南京 210098；2.阿尔斯通电网技术中心有限公司，上海 201114；3.ALSTOM Grid lnc.，Redmond，Washington，USA 98052）

针对光伏输出功率的预测精度影响系统安全调度和稳定运行的问题，该文建立了基于小波分析和集成学习的光伏输出功率短期预测模型。考虑到光伏输出功率的波动性与随机性，引入小波分析将数据分解成趋势项和随机项，并分别对其建模。其中，趋势项采用SVM算法，随机项采用BP算法进行预测处理；再考虑到随机项的非平稳性和BP算法的固有缺点，为提高预测精度，将集成学习引入随机项的预测模型。大量测试结果表明，基于小波分析和集成学习的短期预测模型的预测精度优于现有几种模型。

小波分析；集成学习；BP神经网络；支持向量机；光伏输出功率短期预测

DOI：10.3969/j.issn.1003-8930.2016.04.002

20世纪70年代后，伴随着工业化的发展，化石燃料面临枯竭，环境问题日益突出。为了解决这一难题，人类开始关注可再生能源，其中太阳能成为大家关注的焦点［1］。预计2030年光伏装机容量将达100～200 GW［2-3］。考虑到光伏发电易受诸多气候因素的干扰，并网后功率的扰动严重时可能会影响电网的安全稳定运行［4］，因此对光伏输出功率的预测研究就显得尤为必要。

目前，光伏输出功率预测方法可分为两类：一类是间接预测，另一类是直接预测。……