基于联合分布建模的分布式光伏超短期电力概率预测方法

《IEEE Transactions on Industry Applications》：Ultra-Short-Term Power Probabilistic Forecasting Method for Distributed Photovoltaic Based on Joint Distribution Modeling

针对分布式光伏超短期功率预测中误差与波动关联性考虑不足的问题，本文提出基于联合分布建模的概率预测方法，结合Transformer模型实现高精度确定性预测，利用Autoencoder分析误差与波动特征，通过Copula函数构建预测区间，有效提升预测可靠性。

　　

摘要：

对分布式光伏（DPV）超短期功率进行准确的概率预测对于配电网络的运行和调度具有重要意义。为了解决现有研究未能有效考虑功率预测误差与波动特性之间依赖性的问题，本文提出了一种基于联合分布建模的超短期DPV功率概率预测方法。该方法借鉴了大型语言模型（LLM）的设计理念，构建了一个Transformer模型，以在少量样本条件下实现时间序列的确定性点预测，为概率预测提供高质量的数据支持。同时，为了更细致地挖掘功率预测误差与波动特性之间的关系，设计了使用自动编码器（AE）提取和测量的深度不确定性，以有效识别功率波动模式。最后，基于Copula函数拟合了不同波动模式下点预测值与误差之间的联合概率分布，并通过逆变换获得了与点预测值对应的预测误差的上下限，从而形成了预测区间。通过实际数据集验证了所提出方法的优越性。

引言

近年来，由于分布式光伏具有安装灵活、投资成本低和效率高等优势，其发展迅速[1]、[2]、[3]。中国目前是全球光伏（PV）装机容量最大的国家。根据国家能源局的统计数据，截至2023年底，中国的累计光伏装机容量达到了608.918吉瓦，其中分布式光伏装机容量为254.438吉瓦，占比超过40%[4]。根据国际能源署的数据，预计到2024年底，全球分布式光伏装机容量将达到530吉瓦，占总光伏装机容量的45%[5]。然而，光伏输出受天气因素影响较大，表现出强烈的随机波动特性[6]。分布式光伏的大规模集成会加剧配电网络负荷的短期波动，影响电力供需平衡，并限制负荷预测精度的提高[7]、[8]、[9]、[10]、[11]。另一方面，光伏输出与负荷特性的不匹配给电力消费带来了挑战，对配电网络的运行造成了严重困难。因此，在分布式光伏渗透率较高的现代电力系统中，准确的功率预测方法显得尤为迫切。这些方法可以为配电网格调度和光伏功率消费的决策提供可靠的支持和坚实的基础，具有极其重要的意义。