考虑不确定性度量的光伏发电智能预测研究

为解决太阳能辐射变化、气象因素复杂等不确定性带来的综合不确定性度量问题，研究人员开展基于经验小波变换（EWT）的不确定性度量研究，提出优化智能预测模型（PSOBOA-LSTM）。结果显示该模型预测效果更佳，为电网调度等提供支持。

　　

太阳能作为可再生能源，具有无污染、清洁和可再生的优点。但受太阳辐射变化、气象因素复杂等不确定变化影响，如何度量其综合不确定性至关重要。本研究通过光伏发电的变化过程，揭示光伏发电不确定性行为的内在规律。研究运用经验小波变换（EWT），从社会物理学角度研究不确定性度量，并基于不确定性提出优化的智能预测模型（PSOBOALSTM）。结果表明，智能预测模型（PSOBOA-LSTM）比其他模型预测效果更好、精度更高，从物理和社会学角度揭示了光伏发电系统的内在机制。研究显示，使用 PSOBOA-LSTM 模型可更好地帮助电力调度部门根据预测的光伏发电量合理安排常规发电、协调运行和进行维护安排，解决电网调度与光伏发电预测衔接中出现的问题。