摘要：目前，光伏功率预测方法均是以追求整体预测精度最高为优化目标，导致部分时段的预测功率高于实际功率。基于高估的预测功率制定的发电调度计划可能无法满足实际电力需求，对电力系统保供产生不利影响。针对此问题，提出了一种以保安全为目标的省级光伏日内保障出力预测方法。首先，利用卷积神经网络(convolutional neural networks， CNN)的空间特征提取和双向长短期记忆网络(bi-directional long short-term memory， BiLSTM)的时间序列处理能力，构建基于卷积神经网络-双向长短期记忆神经网络(CNN-BiLSTM)的省级光伏日内保障出力模型。然后，引入包括正偏差预测精度、预测功率修正强度、正偏差识别准确性和模型响应速度在内的多目标损失函数，识别并提取光伏预测功率的正偏差时序特征。接着，对省级光伏日内原始预测功率结果进行修正，获得最低的省级光伏日内出力水平，并建立了2种面向光伏保障出力预测结果的评价指标，即保障率和保障电量占比。最后，基于我国西北某省实际生产运行数据对所提方法的有效性进行了验证。
文章目录
0 引言
1 问题描述
1.1 预测正偏差
1.2 光伏保障出力
2 光伏保障出力预测实现方法
2.1 输入特征选择
2.2 数据预处理
2.3 基于CNN-BiLSTM预测正偏差
2.4 多目标损失函数与模型优化
2.5 输出正偏差的时序特征
2.6 计算光伏保障出力
3 基于CNN-BiLSTM和多目标函数优化的保障出力预测模型
3.1 模型输入输出特征
3.2 基于CNN-BiLSTM的正偏差预测模型
3.3 基于多目标函数优化的保障出力预测模型
4 光伏日内保障出力评价指标
5 算例分析
5.1 实验数据
5.2 模型参数设置
5.3 结果分析
