面向 intraday 市场参与的日内太阳能与电力预测
机器学习
2025-03-12 v3 系统与控制
信号处理
系统与控制
摘要
太阳能辐射的预测提高了光伏（PV） solar 电站发电及电网集成的可靠性。在哥伦比亚，若能源生产偏离政府规定的阈值超出 intraday 市场报价，将面临处罚。本研究采用长短期记忆网络（LSTM）和双向 LSTM（Bi-LSTM）模型，利用来自哥伦比亚塞尔省埃尔帕多的一个 PV 电站的气象数据，预测 6 小时预言 horizons 内、10 分钟分辨率的太阳能辐射。虽然 Bi-LSTM 显示出更好的性能，但 LSTM 模型在训练时间（6 小时 vs 18 小时）上具有显著的计算优势，使其在计算上更具优势。对 LSTM 预测结果进行平均，可构建小时分辨率的模型，并使用平均绝对误差（MAE）、均方根误差（RMSE）、归一化均方根误差（NRMSE）和平均绝对百分比误差（MAPE）等指标进行评估。与全球预报系统（GFS）比较后发现，两者在捕捉日内太阳能辐射模式方面表现相似，均能有效地捕捉日内太阳能辐射模式。该预测模型与面向对象电力生产模型相集成，使其能够在 intraday 市场中提供准确的能源报价，同时最小化处罚成本。
引用
@article{arxiv.2501.09551,
title = {Intra-day Solar and Power Forecast for Optimization of Intraday Market Participation},
author = {Nelson Salazar-Pena and Adolfo Palma-Vergara and Mateo Montes-Vera and Maria Alejandra Vargas-Torres and Rodrigo Hernandez-Vanegas and Maria Amador and Boris Rojas and Adriana Salinas and Andres Velasco and Alejandra Tabares and Andres Gonzalez-Mancera},
journal= {arXiv preprint arXiv:2501.09551},
year = {2025}
}
备注
20 pages, 37 figures, 9 tables