基于博弈论赋权的光伏功率组合预测模型

许继电气股份有限公司的研究人员李贞、崔丽艳、陶颍军、邱俊宏、陈斌，在2017年第5期《电气技术》杂志上撰文，针对单一预测方法的局限性，采用物理方法和统计方法相结合的组合预测方法，建立光伏发电功率组合预测模型，并在预测模型中考虑电站的限电及检修计划。采用理论功率法、基于改进相似日的BP神经网络法、基于改进相似日的支持向量机对预测日的光伏功率分别进行预测，通过提出的博弈论组合赋权法来计算各模型的权重。

通过某光伏电站的实际数据验证，计算分析了预测误差，结果表明，通过组合赋权法得到的权重克服了单一权重的片面性，使得综合评价更合理、科学，在限电情况下仍具有较高的预测精度，对光伏发电系统的功率预测具有一定的学术价值和工程实用价值。

随着国家审批权下放和各项政策的出台，以清洁、环保、无污染为特点的光伏产业迎来了新一轮的快速发展期。但光伏出力的不稳定性不但加大了电网的功率平衡难度，而且也给电网的调度工作带来很大的困难[1-3]，对光伏发电输出功率进行准确预测可为电网调度提供有益的参考。

目前光伏发电功率预测的研究主要基于物理预测和统计预测方法[4]。文献[5]提出了一种采用BP神经网络算法进行光伏发电功率预测的方案；文献[6]根据相似日的输出功率具有较强的相似性，提出选择相似日的方法，设计基于相似日和径向基函数神经网络的光伏阵列输出功率预测模型。上述预测方法都是采用单一的预测模型，由于单一预测方法的局限性，预测精度不是很高，为此很多学者提出了组合预测方法[7]。

组合预测方法结合多种单一预测模型的优点，得到了越来越多的应用。文献[8]提出了一种基于EMD和人工蜂群算法优化支持向量机的光伏输出功率预测模型；文献[9]提出了一种基于灰色神经网络组合模型的方法对光伏出力进行预测。

组合预测方法虽然与单一预测方法相比可在一定程度上提高预测精度，但有些组合预测方法在确定单一预测方法权重时过于客观或主观、片面，也没有考虑光伏电站实际运行中的人为限电、设备故障等因素。

针对当前组合预测模型确定权重不够全面的问题，本文首先提出了基于物理方法的理论功率预测方法、改进相似日的选取方法、基于改进相似日的BP网络预测方法、基于改进相似日的支持向量机预测方法；然后利用博弈论组合赋权法确定各单一预测模型的组合权重，建立光伏发电功率的组合预测模型，并在模型中考虑电站的限电计划及设备故障等因素；最后通过实例验证了本文所述的组合预测模型在天气预报数据不准或电站处于限电的情况下仍具有高的预测精度，具有广泛的工程应用价值。

图3  各种预测方法的光伏功率输出曲线

结论

本文提出了改进相似日的选取方法、基于改进相似日的BP网络预测方法、基于改进相似日的SVM预测方法，并在模型中考虑了限电及检修计划。使用层次分析法确定各模型的主观权重、采用熵值法确定客观权重，并采用博弈论将两种不同方法确定的权重集成为各模型的综合权重，使确定的权重系数同时体现主客观因素，避免了单一方法选择权重的片面性、独断性。

最后经实例验证分析，本文所述的基于博弈论赋权的组合预测模型即使在天气预报数据严重不准的阴天或电站处于限电的情况下仍具有较高的预测精度，完全满足调度考核要求，具有广泛的工程应用价值。