利用LGB模型和合成特征提升光伏发电量预测的准确性

《IEEE Journal of Photovoltaics》：Enhancing Photovoltaic Power Forecasting Using the LGB Model and Synthetic Features

光伏发电预测中，为解决气象数据不足问题，研究采用晴空辐照度和云量合成总辐照特征的轻量级梯度提升模型，结果显示合成特征在部分场景下提升预测精度，RMSE由84.013降至87.232 W/kWp，R2由0.888降至0.875，验证了合成特征的可行性与应用潜力。

　　

摘要：

在过去十年中，对可持续能源的需求不断增长，这引发了人们对光伏（PV）发电的极大兴趣。由于光伏发电具有间歇性，准确的光伏功率预测对于高效管理和监控光伏系统至关重要。在这种情况下，气象数据的准确性尤为关键。然而，并不总是能够在当地获取这些数据，而且通常某些信息（如辐照度）是从特性不明确的模型中获得的。为了克服这一限制，本研究评估了五种合成特征，这些特征结合了晴朗天空下的全球水平辐照度和云量数据，以在没有直接测量的情况下估算总辐照度。使用了一种光线梯度提升模型来评估基于这些合成特征的模型的预测性能，并将其与基于传统气象输入（包括辐照度）的模型进行比较。在参考周内进行评估的结果表明，标记为χ的特征略微提高了模型精度（均方根误差从84.013 W/kWp降至87.232 W/kWp，R从0.888降至0.875）。这些结果表明，合成特征能够取得相当的结果，在某些情况下甚至可以提升预测性能。

引言

在过去十年中，对可靠和可持续能源系统的需求不断增加，这激发了人们对使用可再生能源（特别是光伏发电）的兴趣。尽管光伏发电在环境和能源成本降低方面具有明显优势[1]，但它仍存在一些关键问题，因为其发电效率严重依赖于许多具有随机行为的高变参数[2]。因此，光伏功率预测对于有效管理和监控光伏系统至关重要。事实上，光伏预测提供了预期的发电量信息，使运营商能够预测波动、优化能源分配并确保电网的可靠性[3]。