基于多特征提取的超短期光伏发电功率预测研究

高精度光伏功率预测是高效利用太阳能发电的关键技术之一。为满足高精度光伏功率预测的需求，提出一种基于多特征提取的超短期光伏发电功率预测方法。首先分析太阳与光伏阵列间的相对位置关系，建立光伏组件倾斜面辐照度机理模型；然后，考虑光伏组件背板温度变化及组件效率衰减对光伏发电的影响，分别采用深度神经网络和卷积神经网络提取各时刻的组件背板温度特征与光伏阵列的慢时变特征；最后，考虑光伏发电功率的时序相关性，使用长短期记忆神经网络提取数据的动态时序特征。基于采集的历史发电功率及气象数据，通过建立多个特征提取模块构造并预测模型的输入，并经由多层神经网络得到未来15 min~4 h的光伏发电功率预测值。以浙江某光伏电站为例进行超短期光伏发电功率预测，在各模型预测结果中，基于多特征提取的光伏发电功率预测模型预测精度高于其他对比模型，月平均准确率可达97.13%，验证了所提预测方法的有效性。