基于CEEMD-DBN模型的光伏出力日前区间预测

光伏输出功率具有随机性和不确定性,这些特点使得建立准确的预测方法变得比较困难,而与传统的确定性点预测方法相比,光伏出力区间预测对电力系统的安全稳定运行及经济调度更为重要。为此,提出了一种基于互补集合经验模态分解(omplementaryensembleempiricalmodedecomposition,CEEMD)和模拟退火(simulated annealing,SA)算法优化后的深度信念网络(deepbeliefnetwork,DBN)的光伏发电出力日前区间预测模型。首先,通过综合因素相似系数筛选出晴天和多云天气的相似日样本集。在此基础上,利用CEEMD将光伏出力序列分解为多个特征不同的分量。然后,使用SA-DBN和核密度估计(kernel density estimation,KDE)对光伏输出功率进行日前区间预测。最后,通过算例数据验证了所提方法的有效性。多座光伏电站的历史数据分析结果表明,所提出的模型可以较为精确地给出基于误差分布的置信区间上下限,且不受光伏电站所处地理位置的影响。