基于时空相关性的光伏功率稳健概率预测与评价体系研究

Dynamic, spatial correlation and temporal perturbation in photovoltaic power forecast bring severe challenges to the safety and stability of photovoltaic grid-connected power generation. In view of the fact that existing studies cannot solve these problems effectively, this project will conduct the systematic research based on spatial statistics and feature mining. It is designed in the following three stages successively: (1) Construct feature information databases adapted to the spatio-temporal correlation of photovoltaic power, then accordingly propose and examine data preprocessing methods and probability distribution evaluation approaches. Establish different spatio-temporal correlation weight matrices considering spatial correlation characteristics of photovoltaic power; (2) Take advantage of quantile regression and compound penalty function, improve and generalize feature mining methods on the spatial econometric model. Build the robust spatial autoregression probabilistic forecasting models and detect all the significant features completely; (3) Establish the model evaluation standard based on penalized continuous ranking probability scores and feature evaluation criterion based on data segmentation with empirical quantile function, then design manual system adjustment mechanism to improve the probabilistic forecasting evaluation system of photovoltaic power. The completion of this project has important practical significance, which can not only enriches spatial autoregression probabilistic forecasting theory, but also provides reliable reference information for power grid demand and power system scheduling.

光伏功率预测存在动态性、空间关联性、时域多扰量性等问题，这给光伏发电并网电力系统的安全稳定带来严峻挑战。针对已有研究无法切实解决这些问题，本项目将以空间统计和因子挖掘为理论基础，分三个阶段依次开展系统地研究：（1）建立适应光伏功率时空相关性的特征信息库，据此提出并测评特征数据的预处理方法与概率分布评估方法，并考虑光伏功率空间相关的特性构建不同时空关联权重矩阵；（2）充分利用分位数回归和复合惩罚函数的优势，改进并推广空间计量模型上的因子挖掘方法，建立稳健空间自回归概率预测模型，最终实现对重要特征因子的完整识别；（3）构建基于惩罚-连续排名概率得分的模型评价标准和基于数据分割-经验分位数的特征因子评价准则，同时为其设计人工系统调节机制，完善光伏功率概率预测评价体系。本项目的完成既能丰富空间自回归概率预测理论，又能为电网需求和电力系统调度提供可靠的参考信息，具有重要的实际意义。

随着光伏发电并网容量的增加，开展基于时空相关性的光伏功率稳健概率预测与评价体系研究并切实解决预测过程中存在的动态性、空间关联性、时域多扰量性等问题，对于保障电力系统制定合理调度计划和电网安全运行十分重要。本项目致力于研究能够挖掘重要时空特征因子的稳健概率预测模型，项目组从数据概念漂移、异常数据检测、缺失数据预处理、空间计量模型、损失函数、未知参数的智能优化、模型与因子评价准则等多维度建立了适应高维特征数据的多种概率预测模型，同时通过构造基于新型复合惩罚函数的因子挖掘方法选取重要时域特征因子。实验结果显示构建的概率预测模型具有稳健性、稀疏性、鲁棒性、可靠性和较高的预测精度，提出的因子挖掘方法能够简化模型降低复杂度。本项目是数据挖掘技术、能源经济与管理、预测理论与方法的交叉研究，对丰富能源预测领域的因子挖掘方法，推广稳健概率预测具有一定的理论意义和现实价值。通过项目资助项目组共发表SCI检索的学术论文6篇，均为第一标注，均以项目负责人为第一作者，其中2篇论文发表在FMS A类、ABS四星、管理学Top期刊European Journal of Operational Research上，获得实用新型专利“一种光伏组件功率测试装置”1项，协助培养留学博士研究生1名，培养硕士研究生9名。