全球变暖和传统能源枯竭等问题已成为各国关注的焦点,促进清洁能源的高比例接入成为全球能源资源优化配置发展的必然趋势。全球范围内开发清洁能源需要在全球能源互联网的基础上广泛互联、开发、配置。清洁能源的开发潜力评估为全球能源互联和网源协同规划提供支撑。当仅可获得互联对象区域电网的气象信息时,电网规划人员亟需提出一种具有广泛适用性的可再生能源出力预测模型,重建互联区域历史及未来高时空分辨率可再生能源出力,作为网源协同规划模型的间歇性出力输入。本文以风电和光伏发电功率重建作为研究对象,提出了一种基于复数主成分分析的可再生能源出力预测算法模型。论文主要成果如下:本文首先基于传统主成分分析的特征提取思想对区域电网的网格化多维气象信息进行气象时空特征提取。考虑到气象和出力的高度相关性,构建了以气象数据为实部、以出力数据为虚部的复数原始数据矩阵,将传统主成分分析进一步扩展为复数域下主成分分析,提取了气象和出力的复数时空特征矩阵。此外分析了风电和光伏发电的时序性和分布性,对复数时空特征矩阵进行了时序和分布修正。第二,基于不同区域气象信息之间的相似性,解决了已知区域和待重建区域空间尺度不一致的情况下可再生能源出力重建模型适用性的问题,建立了可再生能源发电功率重建误差评价体系。此外,考虑到不同国家或地区的可再生能源发电政策及电网规划等因素存在差异,以ARMA模型为预测方法构建了区域总装机容量预测模型,将待重建区域高时空分辨率的重建出力标幺值与区域总装机容量相乘得到了区域重建出力实际值。除此之外,考虑到风电场和光伏电站历史实测数据中存在的异常值将会影响时空特征提取的准确度和出力重建的精度,提出了基于连续相同值识别、四分位法模型和k-means聚类分析的孤立型异常值识别模型,以及基于映射均值填补、相邻均值替代的异常值处理方法。第三,选取了大中亚地区典型电网——蒙古国境内某区域和欧洲地区典型电网——德国,分别在区域级节点和国家级节点上验证本文提出的可再生能源出力重建模型准确性。介绍了原始数据来源并处理了实测数据中存在的异常值,提取了中国某省六个风电场和六个光伏电站的时空特征并修正了空间相关性矩阵,完成了两个典型区域电网的出力重建。以平均绝对误差和均方根误差为预测精度评价指标对子区域和总区域重建结果进行了误差分析。论文主要提出了基于复数主成分分析的可再生能源发电时空特征提取方法,解决了全球能源互联需求下区域电网的高时空分辨率出力数据不可获取的问题。