基于改进贝叶斯神经网络的光伏出力概率预测

作者：赵康宁; 蒲天骄; 王新迎; 李烨

来源：电网技术, 2019, (12): 4377-4386.

DOI：10.13335/j.1000-3673.pst.2019.1461

• 分布式光伏
• 概率预测
• 贝叶斯神经网络
• t分布邻域嵌入 distributed photovoltaic
• probabilistic forecasting
• Bayesian neural network
• t-distributed stochastic neighbor embedding

光伏功率预测准确性对电网调度运行影响很大,传统的确定性预测方法对光伏出力波动的响应能力不足,给电网的安全稳定运行带来挑战。提出了基于改进贝叶斯神经网络的光伏出力概率预测方法,将神经网络的权重以概率分布的形式表示,提高了神经网络应对光伏出力随机性的能力;依据输入输出相关性进行特征降维,提高数据密度,抑制过拟合;在贝叶斯神经网络的输入端引入全连接神经网络与一维卷积神经网络,提高网络对不同输入数据的信息提取能力,提高预测精度。以实际系统为例进行实证分析,结果表明,与传统的确定性预测模型相比,所提方法在光伏出力波动时具有更高的预测准确率;与其他概率预测方法相比,所提方法在保持较高总体预测准确率的同时,...

• 单位
  中国电力科学研究院