基于户外实证数据挖掘的光伏发电功率预测模型研究

光伏发电作为太阳能发电的主要技术之一,近年来发展迅速.光伏户外实证作为一种评价光伏产品在真实环境下发电性能的手段,近年来得到了广泛应用.然而,由于户外环境的复杂性与多变性,光伏组件的户外实证结果无法直接对比评价.为解决这一问题,可以基于机器学习技术为实证数据搭建发电功率预测模型,然后把不同环境条件下的光伏组件的数据拟合到相同的条件下,从而实现实证结果可比.为探究何种机器学习算法能在实证数据上有更好预测表现,共5种机器学习的算法被用来分析一组光伏组串一年的实证数据集.结果显示,得益于算法本身的集成性和复杂性,XGBoost算法在该数据集上的表现最好(测试集R2=0.975,MSE=0.0088);另外,值得注意的是5种算法在该数据集上均表现良好,证实了实证数据本身具备较高的数据质量,表明了光伏户外实证测试的有效性.