第42卷第2期2023年2月ZhejiangElectricPowerVol.42，No.02Feb.25.2023基于CatBoost算法的短期光伏功率预测方法陈海宏1，易永利1，黄珅2，韩静怡2（1.国网浙江省电力有限公司温州供电公司，浙江温州325000；2.亿可能源科技（上海）有限公司，上海200090）摘要：光伏电站发电功率的间歇性与波动性对电网安全、稳定、经济运行的影响日益明显，因此需要不断提高光伏发电功率预测准确率，为电网灵活调度与规划提供准确信息。首先，介绍了短期光伏发电功率的预测算法、特征方程、预测流程以及评价指标。接着，通过SHAP方法对训练集所构造特征进行分析筛选，使用CatBoost算法进行训练。最后，通过与使用相同特征的其他机器学习算法模型预测精度的对比，表明所提方法有效提高了预测性能，证实了基于CatBoost算法、融合多维特征的模型在光伏功率预测中的优势。关键词：光伏发电；功率预测；CatBoost；SHAPDOI:10.19585/j.zjdl.202302009开放科学（资源服务）标识码（OSID）：Researchonashort-termphotovoltaicpowerpredictionmethodbasedonCatBoostCHENHaihong1，YIYongli1，HUANGShen2，HANJingyi2（1.StateGridWenzhouPowerSupplyCompany，Wenzhou，Zhejiang32500，China；2.EQuotaEnergyTechnology（Shanghai）Co.，Ltd.，Shanghai200090，China）Abstract:TheintermittentandfluctuatinggenerationpowerofPVpowerplantshasanincreasinglyprominentim⁃pactonthesafe，stable，andeconomicaloperationofpowergrids.Therefore，itisrequiredtocontinuouslyimprovetheaccuracyofPVpowerpredictiontoprovideaccurateinformationforflexiblegriddispatchingandplanning.First，thepredictionalgorithm，characteristicequation，predictionprocess，andevaluationindexofshort-termPVgenerationpowerareintroduced.Afterward，thefeaturesconstructedinthetrainingsetareanalyzedandfilteredus⁃ingtheSHAP，andthetrainingisperformedusingtheCatBoost.Finally，bycomparingthepredictionaccuracywithothermachinelearningalgorithmmodelsusingthesamefeatures，thepaperindicatesthattheproposedmethodcanimprovethepredictionperformanceandconfirmstheadvantagesoftheCatBoostthatincorporatesmultidimensionalfeaturemodelsinPVpowerprediction.Keywords:PVpowergeneration；powerprediction；CatBoost；SHAP0引言目前，在“双碳”背景下［1］，我国正...
