结合机器学习与物理的预报器用于多变天气条件下日内及提前一周太阳辐照度预报
系统与控制
2023-03-17 v1 系统与控制
摘要
电力系统工程师正积极开发更大规模的光伏电站，这带来了一些主要挑战，包括其间歇性发电与较差的可调度性。问题在于光伏是波动性发电来源，除非进行额外规划并增设系统以缓解发电间歇。可增强围绕分布式能源间歇性挑战缓解应用的一个潜在因素是对发电输出进行预报。这尤其具有挑战性，因为可再生能源依赖天气，而天气变化具有随机性。本工作提出一种利用太阳变量产生光伏发电预报的预报模型，并评估了一组机器学习模型在该任务上的表现。本文提出一种用于日内辐照度预测的预报器。该预报器能够提前至多一周预报 15 分钟及每小时辐照度。论文对局部天气参数与系统发电之间关系的强度进行了相关性与敏感性分析。本研究分析了 SVM、CART、ANN 与集成学习在 15 分钟日内及日前辐照度预测上的性能。结果表明，SVM 与集成学习分别在 15 分钟日内和日前辐照度上取得了最低 MAE。
引用
@article{arxiv.2303.09073,
title = {Combined Machine Learning and Physics-Based Forecaster for Intra-day and 1-Week Ahead Solar Irradiance Forecasting Under Variable Weather Conditions},
author = {Hugo Riggs and Shahid Tufail and Mohd Tariq and Arif Sarwat},
journal= {arXiv preprint arXiv:2303.09073},
year = {2023}
}