基于高斯过程回归的光伏发电短期预测
机器学习
2020-10-07 v1
摘要
光伏（PV）发电受天气条件影响，使得光伏系统产生的功率具有不确定性。解决该问题有助于提高电网的可靠性和成本效益，并有助于减少对化石燃料电厂的依赖。本文重点评估了利用高斯过程回归（GPR）对英国光伏系统发电量的预测。高斯过程回归是一种贝叶斯非参数模型，能够提供预测值及其不确定性，这在高度不确定的应用中非常有用。该模型针对 48 小时短期预测，对照三个主要因素——训练周期、天空覆盖面积和核模型选择——进行了评估，并针对 4 小时极短期预测对照了天空覆盖面积。我们还比较了以预测期内云量以及仅以初始云量作为预测因子的极短期预测。
引用
@article{arxiv.2010.02275,
title = {Short-term prediction of photovoltaic power generation using Gaussian process regression},
author = {Yahya Al Lawati and Jack Kelly and Dan Stowell},
journal= {arXiv preprint arXiv:2010.02275},
year = {2020}
}