Page 56 - 电力与能源2023年第二期

第 44 卷 第 2 期
电力与能源
150 2023 年 4 月

DOI：10.11973/dlyny202302011

基于 PSO-SVR 模型的光伏功率预测研究

许鸣吉，孙 歌，徐 焰，赵 彬，陈佳瑜，冯陈佳
（国网上海市电力公司市北供电公司，上海 200072）

摘 要：光伏发电功率预测对电网调度工作有着重要的指导意义。以其光伏电站为研究对象，首先分析季节
类型、天气类型和气象要素等因素对光伏功率的影响，对历史数据进行分类，选择合适的特征作为训练集；其
次，针对支持向量回归机（SVR）模型对内部参数依赖性较高这一现象，设计粒子群优化（PSO）算法对 SVR 模
型的惩罚系数、不敏感损失系数和尺度参数进行寻优，建立基于 PSO-SVR 方法的光伏功率预测模型；最后，
通过实际案例，选择 BP 神经网络、SVR 和 PSO-SVR 等方法进行罗泾灰场的光伏功率预测并作比较，验证了
所提方法能较好地跟踪实测曲线，对光伏功率的预测结果更接近实测值。
关键词：光伏功率预测；特征；支持向量回归机模型；粒子群优化算法
作者简介：许鸣吉（1993—），男，硕士，工程师，从事电网调控运行工作。
中图分类号：F426.61；TP183 文献标志码：A 文章编号：2095-1256（2023）02-0150-07
Photovoltaic Power Prediction Based on PSO-SVR Model

XU Mingji，SUN Ge，XU Yan，ZHAO Bin，CHEN Jiayu，FENG Chenjia
（State Grid Shibei Power Supply Company，SMEPC，Shanghai 200072，China）

Abstract：The prediction of photovoltaic power generation has important guiding significance for power grid dis‑
patching. In this paper，a certain photovoltaic power station is taken as the research object. Firstly，the influences

of season，weather and meteorological elements on photovoltaic power are analyzed，the historical data are classi‑

fied，and appropriate features are selected as the training set. Secondly，in view of the high dependence of support

vactor regression（SVR）model on internal parameters，particle swarm optimization （PSO）is designed to opti‑

mize the penalty coefficient，insensitive loss coefficient and scale parameter of SVR model，and a PV power pre‑

diction model based on PSO method is established. Finally，through a practical case，BP neural network，SVR，

PSO-SVR and other methods are selected to predict and compare the photovoltaic power of the Rojing ash yard，
which verifies that the proposed method can track the measured curve well，and the predicted result of photovol‑

taic power is closer to the measured value.

Key words：photovoltaic power prediction，characteristic，support vector regression，particle swarm optimization

“十四五”期间是做好“碳达峰、碳中和”工作 在局部负荷较轻的地区，可能会出现倒送现象 。
［3］
的关键起步阶段 。“30·60”双碳目标的提出，标 因此开展光伏功率预测研究对电网调度工作的安
［1］
志着我国致力从煤炭发电快速向清洁能源发电转 全性、稳定性和经济性具有重要意义 。
［4］
型升级，为以光伏为代表的大规模清洁能源从局 建立光伏功率预测模型是一类较复杂的非线
部向全面建设、从配网向主网并网提供了广阔的 性问题。近年来，国内外专家学者对光伏功率预
发展前景 。在此背景下，国网公司正奋力开创 测这一领域开展了大量的探索研究，所涉及的光
［2］
建设具有中国特色国际领先的能源互联网企业 伏功率预测方法主要可以分为时间尺度、预测方
新局面，华东电网在“十四五”期间预计新增 1.6 式、预测原理和数学模型等四个范畴。就时间尺
亿 kW 装机量，其中预计新增 1 亿 kW 光伏与风电 度而言，光伏功率预测方法可分为超短期预测、短
装机量。然而，光伏发电功率受环境影响，具有明 期预测和中长期预测等 ；就预测方式而言，光伏
［5］
［6］
显的间歇波动特性，会增加电网电力平衡的压力， 功率预测方法可分为直接预测和间接预测等 ；