新刊速递|郑州大学电气与信息工程学院蒋建东教授团队:基于时序误差分布分析的光伏功率区间预测

郑州大学电气与信息工程学院蒋建东教授团队在《郑州大学学报(理学版)》上发表题为：“基于时序误差分布分析的光伏功率区间预测”的研究型论文。

Cite: JIANG Jiandong, ZHOU Caiqi, CHANG Yizhe, et al. Photovoltaic Power Interval Prediction Based on Temporal Error Distribution Analysis. Journal of Zhengzhou University(Natural Science Edition), 2026, 58(3): 86-94.

随着新能源并网规模不断扩大，光伏发电已成为电力系统中的重要组成部分。但由于光伏出力受太阳辐照度、天气变化和日周期波动影响明显，具有较强的随机性和间歇性，仅依靠点预测难以全面反映未来功率的不确定范围。

区间预测能够给出光伏功率可能波动的上下边界，为电网调度、备用容量安排和新能源消纳提供更可靠的决策依据。核密度估计（kernel density estimation, KDE）由于不需要预设误差分布形式，常用于构建预测区间，但其预测效果高度依赖带宽选择。同时，光伏预测误差在一天中不同时间段可能呈现不同分布特征，若统一建模，容易掩盖时序差异。

针对上述问题，本文提出一种融合最优带宽核密度估计与时序误差分布分析的光伏功率区间预测方法，以提升区间预测的准确性和适应性。

本文的核心思路可以概括为“先优化误差分布估计，再按时段差异分类建模”。

首先，文章利用光伏功率点预测结果计算预测误差，并采用核密度估计拟合误差分布。针对 KDE 带宽难以确定的问题，引入贝叶斯优化方法，将 K 折交叉验证下的负对数似然度作为优化目标，从而获得更合适的最优带宽。

其次，考虑到光伏出力与太阳辐照度高度相关，文章进一步分析日内不同时间段的误差分布差异。研究以时平均辐照度和时辐照度变化为聚类特征，将白天时段划分为若干类别，再对每一类时段分别进行最优带宽 KDE 建模。该处理方式避免了将不同误差分布混合在一起，提高了预测区间构建的针对性。

最后，根据每类误差分布计算置信区间，并结合光伏功率点预测结果生成最终的功率预测上下界。实验采用山东省某 50 MW 光伏发电系统 2020 年 3 月至 8 月的运行数据和同期数值天气预报数据，结果表明，本文方法能够更准确地刻画误差分布，在不同天气和置信水平下均具有较好的区间预测效果。

图1 时平均辐照度与时辐照度变化折线图。图1展示了 8:00—20:00 不同时段的时平均辐照度和时辐照度变化情况。结果表明，上午辐照度快速上升，中午附近达到较高水平，下午逐渐下降，说明日内辐照度变化具有明显阶段性。

图2 时段聚类结果。图2展示了基于 K 均值聚类得到的时段分类结果。通过聚类，具有相似辐照度特征的时段被归入同一类别，为后续分类建立误差分布模型提供依据。

图3 区间预测模型流程。图3给出了本文方法的整体流程：先根据辐照度特征进行时段聚类，再对每类时段应用最优带宽 KDE 拟合误差分布，最后计算置信区间并合并得到最终预测结果。

图4 各分布估计方法累积分布函数。

表1 各分布估计方法评价指标表

图4比较了不同分布估计方法的累积分布函数，表1给出了均方误差指标。结果显示，最优带宽 KDE 在晴天、多云和阴雨天气下的 MSE 均最低，说明其对真实误差分布的拟合更准确。

图5 各分布估计方法评价指标表。

表2 区间预测评价指标表

图5展示了不同天气类型下的置信区间预测结果，表2进一步比较了 PICP、PINAW 和 CWC 等指标。结果表明，本文方法在保持较高覆盖率的同时，能够控制预测区间宽度，综合表现优于多种对比方法。

扫描上方二维码，或点击文末“阅读原文”查看文献。

https://html.rhhz.net/ZZDXXBLXB/html/20260311.htm

郑州大学学报（理学版）

《郑州大学学报（理学版）》是郑州大学主办的自然科学类综合性学术刊物。主要刊登信息与计算机科学、数学、物理学、化学、生物工程科学、材料科学与电气工程科学等自然科学各学科的基础研究及应用研究方面的学术论文。本刊所发表的论文已被《中国数学文摘》、《中国物理文摘》、荷兰《Scopus数据库》、美国《数学评论》、俄罗斯《文摘杂志》及波兰《哥白尼索引》等国内外多家权威文摘杂志及数据库收录或评论，致力于促进自然科学领域的学术交流与发展。