基于预测组合的多分辨率多尺度分布式太阳能光伏功率预测
机器学习
2022-06-23 v1
摘要
分布式小规模太阳能光伏(PV)系统正以飞速增长的速度安装。这会对配电网络和能源市场造成重大影响。因此，迫切需要在不同时间分辨率和预测尺度上改进这些系统发电功率的预测。然而，预测模型的性能依赖于分辨率和尺度。预测组合(集成)将多个模型的预测合并为单一预测，在此类情况下可能具有鲁棒性。因此，本文中我们对五种最先进预测模型及现有预测组合在多种分辨率和尺度下的性能进行比较并给出见解。我们提出一种基于粒子群优化(PSO)的预测组合方法，通过对各单一模型所产生的预测进行加权，使预测者能为手头任务生成准确预测。此外，我们将所提组合方法的性能与现有预测组合方法进行比较。使用位于美国三地 25 户住宅的真实 PV 功率数据集进行了全面评估。在四种不同分辨率和四种不同尺度下的结果表明，基于 PSO 的预测组合方法优于任何单一预测模型及其他预测组合方法，与表现最佳的单一模型相比平均绝对缩放误差平均降低 3.81%。我们的方法使太阳能预测者无论预测分辨率或尺度如何，都能为其应用生成准确预测。
引用
@article{arxiv.2206.10795,
title = {Multi-Resolution, Multi-Horizon Distributed Solar PV Power Forecasting with Forecast Combinations},
author = {Maneesha Perera and Julian De Hoog and Kasun Bandara and Saman Halgamuge},
journal= {arXiv preprint arXiv:2206.10795},
year = {2022}
}