基于混沌CSO-WNN-RBF的光伏功率超短期组合预测

卢文韬，肖 辉，吴姿瑾，王至远，赵帅旗

(1.长沙理工大学电气与信息工程学院，湖南长沙 410114；2.广东电网有限责任公司惠州供电局，广东惠州 516000)

清洁能源作为目前世界能源发展的主流趋势，其中太阳能在电力生产方面的比重越来越大[1]。但是光伏发电具有间歇性与波动性，接入电网会对主网造成冲击，对电力调度带来一定困难。对光伏电站的输出功率精准预测能够使光伏并网时平稳运行，因此，光伏技术的推广具有举足轻重的作用[2-3]。

目前，光伏功率预测通过预测模型已取得了较多的研究成果[4-6]。主要预测模型有回归模型预测[7]、神经网络[8]、支持向量机[9]等。文献[10-13]利用相似日和改进算法融合神经网络、支持向量机以及极限学习机等对光伏输出功率进行超短期预测，其预测效果在突变天气中预测精度较低。文献[14-18]分析与光伏出力内在关联的各气象条件，与已有的预测模型相结合，在一定程度上提高了光伏功率超短期的预测精度，但光伏电站的气象数据难以精确获取且不一定真实可靠，这会使预测效果产生一定的误差。

由于光伏电站发电功率时间序列具有混沌特性[19-20]，通过挖掘光伏发电功率时间序列的内在信息，就可以得到与光伏出力相关的参数信息。针对现有预测法存在的问题，本文采用C-C 法对光伏时间序列重构相空间，挖掘数据自身所包含的各影响因子，提出一种鸡群算法-小波神经网络-径向基函数(CSO-WNN-RBF)组合预测方法对光伏电站出力进行超短期预测。……