基于空间相关性的区域分布式光伏预测

李 宝，孙树敏，王士柏，程 艳，程 文

(1.山东理工大学电气与电子工程学院，山东淄博 255049；2.国网山东省电力公司电力科学研究院，山东济南 250003)

近年来国家对光伏行业的发展大力扶持，并采取了光伏扶贫项目、光伏发电领跑等一系列政策措施，使光伏行业取得了飞跃式的发展。与集中式光伏相比，分布式光伏尤其是建筑结合率高的分布式光伏更能被配电网接受。

分布式光伏对配电网的优化规划、电力系统电能质量、智能电网实时性保护都有较大影响[1]。因此，有效地预测分布式出力成为了电网规划运行的一项必要工作和热点研究问题。

常用的光伏预测方法有支持向量机、人工神经网络、马尔科夫链和多元回归分析等。这类方法依据大量的历史发电功率与历史气象记录来确保所建模型的准确性。而分布式光伏电站由于建造成本低、监管能力弱，导致其历史数据不多甚至缺少。所以，综上所述的方法很难直接应用在分布式电站出力预测上。

光伏电站输出功率数据与相同气象条件下的历史数据具有相似性，与相邻电站输出功率存在空间相关性[2]。因此，可由集中式光伏出力预测推算出与之相近区域内的分布式光伏的出力。文献[3]基于分层聚类算法对光伏电站间空间相关性进行判断及匹配，得到参考电站与目标电站间的映射关系，由BP 神经网络预测参考电站出力最终通过映射关系得到目标电站的出力。文献[4]则是将光伏出力分解为理想归一化曲线、幅值参数和随机分量，并提出利用典型日数据的理想出力提取方法，能够较好地表征多光伏电站间的空间相关性。……