基于条件潜在扩散模型的短期光伏功率区间预测方法

本文提出一种基于条件潜在扩散模型(CLDM)的光伏发电概率区间预测方法。首先对历史功率和数值天气预报数据预处理，提取改进分层样本熵特征并筛选相关气象因子，构建综合数据集。然后利用模糊C均值聚类获得相似日数据集，并对其归一化后划分训练集和测试集。在此基础上，构建Transformer‑BiLSTM结构的CLDM模型，以点预测结果作为条件信息，训练去噪网络以捕捉条件依赖下的误差分布。预测时通过去噪生成多组误差数据，并采用核密度估计拟合误差概率分布，得到给定置信度下的功率预测区间。该方法在不确定性建模和区间预测精度方面具有显著优势，为电力系统调度提供了更灵活精准的决策支持。