基于气象耦合特征分析及改进XGBoost算法的用户分布式光伏短期出力预测模型.pdfVIP

第17卷第12期南方电网技术Vol.17，No.12

2023年12月SOUTHERNPOWERSYSTEMTECHNOLOGYDec.2023

文章编号：1674-0629（2023）12-0080-10中图分类号：TM743文献标志码：A

DOI10.13648/j.cnki.issn1674-0629.2023.12.010

：

基于气象耦合特征分析及改进XGBoost算法的用

户分布式光伏短期出力预测模型

121121111

邓序之，刘淇，叶傲霜，许佳时，杨王旺，王玺，应文韬，邵佳佳，李芝娟，

陈小毅1

（1.国网上海浦东供电公司，上海200120；2.华中科技大学电气与电子工程学院，武汉430074）

摘要：随着用户侧分布式光伏发电设备的普及，对分布式光伏出力预测及调控技术提出了更高的要求。针对传统光伏

出力预测方法泛化能力不强及高样本依赖性的问题，提出了一种考虑基于气象耦合特性及改进极端梯度提升树

（extremegradientboosting，XGBoost）算法的用户分布式光伏短期预测模型。利用互信息及主成分分析进行特征选取

与降维，得到高相关性和去耦合的气象特征变量；基于Bagging算法对XGBoost预测模型进行并行集成，改善模型泛

化能力；提出基于平均绝对误差（meanabsoluteerror，MAE）及平均反正切绝对百分比误差（meanarctangentabsolute

percentageerror，MAAPE）的组合预测精度评价指标；在算例分析中所提模型的MAE均值为6.934kW，MAAPE均值

为16.73%，超过半数情形下的相对误差小于10%，相比传统BP神经网络和随机森林预测模型预测精度提升较大，具

有良好的实际应用能力。

关键词：分布式光伏；XGBoost；光伏出力预测；气象特征

Short-TermOutputForecastingModelofUserSideDistributedPhotovoltaic

BasedonMeteorologicalCouplingCharacteristicsAnalysisandImproved

XGBoostAlgorithm

1211211

DENGXuzhi,LIUQi,YEAoshuang,XUJiashi,YANGWangwang,WANGXi,YINGWentao,

111

SHAOJiajia,LIZhijuan,CHENXiaoyi

（1.StateGridShanghaiPudongPowerSupplyCompany,Shanghai200120,China