基于重建辅助的分布式光伏短期功率预测方法

《Energies》：Reconstruction-Aided Short-Term Power Forecasting for Data-Limited Distributed PV Stations

　　摘要对于分布式光伏（PV）电站而言，短期预测是一个难题。这些电站虽然保留了逐小时的电量记录，但缺乏高时间分辨率的功率测量数据和站址特定的辐照度数据。我们提出了一种重建辅助的一步向前预测方法来应对这些条件。变分模态分解（VMD）将目标站的电量序列以及参考站的电量和功率序列分解为多尺度模态。通过希尔伯特模态特征和多维相似度评分识别合适的参考模态，并利用极端随机树（ExtraTrees）重建目标站的5分钟功率曲线，同时保持每个记录的逐小时电量总量不变。对于辐照度输入，晴空指数可降低周期性效应，VMD捕获观测网格单元上的多尺度扰动，ExtraTrees则在未观测的目标网格单元上补全全球水平辐照度（GHI）。随后，将重建的功率、补全的GHI、周期性时间特征以及邻近站的聚合功率输入LightGBM，以预测下一时刻的目标功率。测试数据来自英国某区域2021年分布式光伏电站的测量数据，以及哥白尼大气监测服务（CAMS）在7×7网格上的辐照度数据。在所报告的回顾性评估中，归一化平均绝对误差为0.377%，归一化均方根误差为1.168%，决定系数为0.990。由于分块重建使用了完整的逐小时和逐月记录，这些数值不应被解释为严格因果在线协议下的性能。