国网安徽省电力有限公司 桂前进等｜基于时序分解与共形分位数回归的超短期光伏功率区间预测
本文提出了一种基于时序分解与共形分位数回归的超短期光伏功率区间预测方法，并在真实光伏出力数据上进行了验证。实验结果表明，通过在NeuralProphet模型中引入日周期成分与季节周期成分，提高了模型对光伏功率时间序列周期性信息的学习能力；通过引入AR-Net自回归模型，可以有效捕捉光伏时序数据间的时间相依性，实现了对光伏波动性细节的追踪，有效提升了确定性预测的准确度；通过引入共形分位数回归方法，使用小样本数据构建区间预测模型，在共形校准中引入经验分位数，根据测试数据实时调整预测区间，在保持较低的预测区间宽度的同时，有效保证了预测区间覆盖率。同时，即使在光伏出力数据波动较为剧烈的场景，本文方法仍然能在设定的置信度下有效地覆盖实际的光伏出力数据，极大地增加了光伏功率区间预测的稳定性与可靠性。
- 2025-06-05
- 阅读580
- 下载0
- 24页
- pdf
