利用多种异构数据源的短期光伏发电预测
应用统计
2019-10-15 v1 信号处理
摘要
可再生能源（RES）的渗透率正在迅速增长：在法国，光伏（PV）发电的装机容量从 2007 年的 26MW 上升到 2017 年的 8GW [1]。由于光伏电站的发电高度依赖于多变的天气条件，这种不断增长的速度引发了有关电网稳定性和收益优化的问题。为克服这些障碍，光伏预测已成为一个研究密集的领域。在本文中，我们提出了一种低复杂度预测模型，能够利用多种异构数据源（功率测量、卫星图像和数值天气预报（NWP））运行。该模型为非参数模型，可扩展以包含输入。所提模型的主要优势在于，借助特征选择过程，它能够根据期望的预测 horizon（提前 15 分钟至 6 小时）自动选择最优数据源。为利用不断增长的光伏电站数量，我们实现了一种时空（ST）方法。该方法考虑了空间分布电站之间的依赖关系。每种数据源都经过增量研究，以量化它们对预测性能的影响。与参考模型相比，这种多源数据使预测的 RMSE 性能提升了高达 40%。评估过程在 Compagnie Nationale du Rhône（CNR）的九个光伏电站上进行。
引用
@article{arxiv.1910.05944,
title = {Short-term photovoltaic generation forecasting using multiple heterogenous sources of data},
author = {Kevin Bellinguer and Robin Girard and Guillaume Bontron and Georges Kariniotakis},
journal= {arXiv preprint arXiv:1910.05944},
year = {2019}
}