江水明++居榮++楊凱迪

摘 要風(fēng)電場(chǎng)輸出功率的預(yù)測(cè)對(duì)一些大規(guī)模的風(fēng)電接入電力系統(tǒng)的正常運(yùn)行有著較為重要的價(jià)值與意義。對(duì)此本文主要對(duì)其相關(guān)預(yù)測(cè)方式以及實(shí)際應(yīng)用進(jìn)行了探究，提出了向量機(jī)——馬爾科夫鏈的風(fēng)電短期功率預(yù)測(cè)方法。

【關(guān)鍵詞】風(fēng)電場(chǎng) 短期功率 預(yù)測(cè)方法 應(yīng)用實(shí)踐

風(fēng)能最為一種有效的清潔能源，屬于可再生資源，在過節(jié)范圍內(nèi)得到了人們普遍的重視與利用，但是在實(shí)際中一些大規(guī)模的電機(jī)組在接入過程中會(huì)對(duì)整個(gè)電力系統(tǒng)的正常運(yùn)行帶來(lái)一定的影響面，對(duì)此，在實(shí)踐中要加強(qiáng)對(duì)風(fēng)電場(chǎng)發(fā)電功率的預(yù)測(cè)工作的重視。

1 風(fēng)電場(chǎng)短期功率預(yù)測(cè)方法概述

在實(shí)際中對(duì)于風(fēng)電功率的預(yù)測(cè)方式可以分為中長(zhǎng)期、短期、超短期三種預(yù)測(cè)模式。在現(xiàn)階段的發(fā)展過程中，對(duì)于風(fēng)電功率進(jìn)行的短期預(yù)測(cè)主要可以氛圍物理以及統(tǒng)計(jì)兩種模式。其中物理方式就是基于天氣預(yù)報(bào)的數(shù)據(jù)利用相關(guān)數(shù)學(xué)關(guān)系對(duì)于風(fēng)電場(chǎng)的實(shí)際出力數(shù)據(jù)進(jìn)行計(jì)算，進(jìn)而繪制出相關(guān)功率預(yù)測(cè)曲線圖；統(tǒng)計(jì)方式則是基于相關(guān)歷史數(shù)據(jù)以及實(shí)際的風(fēng)電場(chǎng)的

出力等相關(guān)數(shù)據(jù)關(guān)系，構(gòu)建系統(tǒng)的數(shù)據(jù)預(yù)測(cè)模型，在通過預(yù)測(cè)參數(shù)的方式對(duì)于風(fēng)電場(chǎng)的發(fā)電功率進(jìn)行系統(tǒng)的預(yù)測(cè)分析。物理方式在實(shí)際中基于預(yù)測(cè)精度等客觀因素的影響，受到的實(shí)際風(fēng)電場(chǎng)的中各種物理?xiàng)l件影響相對(duì)較為嚴(yán)重；而統(tǒng)計(jì)方法在實(shí)踐中的預(yù)測(cè)數(shù)據(jù)具有一定的精準(zhǔn)性。對(duì)此在國(guó)際領(lǐng)域中主要應(yīng)用統(tǒng)計(jì)方式對(duì)其預(yù)測(cè)。

在現(xiàn)階段的風(fēng)電功率短期預(yù)測(cè)的統(tǒng)計(jì)方法主要涵蓋了以下幾種：時(shí)間序列方式、灰色理論方式、神經(jīng)網(wǎng)絡(luò)方式NNS（neural networks）、支持向量機(jī)SVM方式（support vector machine）。其中最為簡(jiǎn)單的方式為時(shí)間序列方式，但是其在實(shí)踐中具有一定的誤差性；灰色理論預(yù)測(cè)模型具有一定過養(yǎng)性，但是其實(shí)際的預(yù)測(cè)結(jié)果為一個(gè)區(qū)間范圍，并沒有精準(zhǔn)的數(shù)值；神經(jīng)網(wǎng)絡(luò)方式在實(shí)踐中其整體的拓?fù)浣Y(jié)構(gòu)相對(duì)較為緊湊，相對(duì)于其他方式來(lái)說(shuō)具有一定的精準(zhǔn)性，但是在實(shí)際中要通過大量的歷史信息與數(shù)據(jù)，實(shí)際的耗費(fèi)的時(shí)間過大；支持向量機(jī)方法在操作中具有一定的簡(jiǎn)潔性，其整體的魯棒性能較為優(yōu)質(zhì)，實(shí)際的預(yù)測(cè)數(shù)值精準(zhǔn)度也相對(duì)較高，但是在實(shí)踐中其對(duì)于具體的核函數(shù)的實(shí)際選擇條件相對(duì)較為嚴(yán)格，在應(yīng)用過次匯總中容易出現(xiàn)學(xué)習(xí)以及局部的最小數(shù)值等相關(guān)影響。其中相關(guān)向量機(jī)RVM（relevance vector machine）主要就是通過Tipping提出通過總體貝葉斯框架模式之下的一種稀疏的概率模型，是現(xiàn)階段的研究重點(diǎn)。在實(shí)踐中相關(guān)向量機(jī)與支持向量機(jī)的優(yōu)勢(shì)較為相似，但是其在核函數(shù)的實(shí)際選擇過程中相對(duì)較為靈活，可以引入相關(guān)超參數(shù)、可以有效的降低整體計(jì)算的復(fù)雜性，其應(yīng)用的數(shù)據(jù)相對(duì)較小，具有一定的稀疏特征。

預(yù)測(cè)誤差的產(chǎn)生可以說(shuō)在整個(gè)風(fēng)電功率預(yù)測(cè)中是必然的結(jié)果，對(duì)此在實(shí)踐中要對(duì)相關(guān)誤差問題進(jìn)行及時(shí)的修正以及優(yōu)化，在根本上提升其整體預(yù)測(cè)的精準(zhǔn)度。對(duì)此在實(shí)踐中可以通過現(xiàn)有的誤差修正模型ECM（ready-error correction model）方式、自回歸滑動(dòng)平均模型ARMA（auto-regressive and moving average model）方式、局部模擬近似值方式、周期外推法方式、最小二乘法方式、馬爾可夫鏈等相關(guān)方式對(duì)其進(jìn)行修復(fù)。其中最小二乘法以及馬爾科夫鏈方式相對(duì)于其他方式來(lái)說(shuō)具有一定的精準(zhǔn)性，同時(shí)馬爾科夫鏈方式對(duì)于隨機(jī)波動(dòng)性描述等問題有著較為顯著的效果。

2 風(fēng)電場(chǎng)短期功率應(yīng)用實(shí)踐微探

本文主要通過對(duì)某小型風(fēng)電場(chǎng)區(qū)域范圍內(nèi)的實(shí)際風(fēng)速、溫度、大氣壓強(qiáng)以及風(fēng)電場(chǎng)發(fā)電功率等相關(guān)數(shù)據(jù)作為主要的訓(xùn)練樣本開展實(shí)踐探究。在操作中保障平均沒十分鐘取一次樣本，且連續(xù)進(jìn)行一百組的數(shù)據(jù)訓(xùn)練，然后在通過連續(xù)的三十二中數(shù)據(jù)對(duì)其進(jìn)行測(cè)試，在實(shí)踐中通過地Matlab軟件對(duì)其進(jìn)行相關(guān)編程計(jì)算，最終獲得的實(shí)際數(shù)據(jù)曲線如圖1、2、3。

在圖表中，可以了解到實(shí)際的風(fēng)電場(chǎng)的風(fēng)速、溫度以及壓強(qiáng)數(shù)據(jù)均為隨機(jī)產(chǎn)生的，其沒有內(nèi)在的規(guī)律可以遵循。

在操作過程中，把樣本輸入與輸出導(dǎo)入相關(guān)程序之中，首先，根據(jù)相關(guān)向量機(jī)原理對(duì)于整個(gè)模型進(jìn)行系統(tǒng)的訓(xùn)練以及測(cè)試，在獲得對(duì)應(yīng)的時(shí)間風(fēng)功率預(yù)測(cè)數(shù)值之后，基于實(shí)際的風(fēng)功率預(yù)測(cè)值以及實(shí)際值，獲得預(yù)測(cè)相對(duì)的誤差序列，然后在通過馬爾可夫鏈對(duì)相關(guān)預(yù)測(cè)誤差開展修正操作。

在操作過程中，要基于神經(jīng)網(wǎng)絡(luò)以及支持向量機(jī)的相關(guān)原理，通過一樣的數(shù)據(jù)樣本，開展風(fēng)功率的預(yù)測(cè)。在實(shí)踐中可以了解，相關(guān)向量機(jī)以及馬爾可夫鏈融合的方式相對(duì)于其他方式來(lái)說(shuō)具有一定的精準(zhǔn)度，可以在最大程度上降低平均絕對(duì)誤差以及平均相對(duì)誤差數(shù)值。同時(shí)，基于實(shí)際的結(jié)果可以了解，在預(yù)測(cè)過程中存在的相對(duì)誤差以及絕對(duì)誤差在實(shí)踐中雖然相對(duì)于其他方式來(lái)說(shuō)可以有效的降低，但是其現(xiàn)今的誤差率仍為13%，究其原因主要就是因?yàn)橐韵聨c(diǎn)：

（1）風(fēng)機(jī)發(fā)電功率以及風(fēng)速的關(guān)系必須在額定的啟動(dòng)風(fēng)速以及切出風(fēng)速范圍之內(nèi)才可以有效的滿足，在其相對(duì)較低的時(shí)候，風(fēng)機(jī)輸出功率為零，在其高于相關(guān)切出風(fēng)速的時(shí)候，風(fēng)機(jī)輸出功率則為其最大數(shù)值；

（2）其原始輸入數(shù)據(jù)主要就是因?yàn)轱L(fēng)速、相關(guān)大氣壓強(qiáng)以及溫度因素的三維因素，并沒有對(duì)于風(fēng)向因素、地形條件因素以及大氣湍流等相關(guān)因素進(jìn)行分析，其中在RVM-Markov的相關(guān)預(yù)測(cè)模式可以適用于各種維數(shù)情況。

3 結(jié)束語(yǔ)

本文主要對(duì)相關(guān)向量機(jī)原理在風(fēng)電場(chǎng)短期功率中的具體預(yù)測(cè)進(jìn)行了分析，提出了通過相關(guān)向量機(jī)以及馬爾可夫鏈共同開展的風(fēng)電功率預(yù)測(cè)方式，此種方式在實(shí)踐中主要就是通過應(yīng)用相關(guān)向量機(jī)的基本原理，獲得既定的風(fēng)電場(chǎng)短期功率預(yù)測(cè)模型，然后在通過馬爾可夫鏈以及最小二乘法對(duì)其存在的實(shí)際誤差進(jìn)行修通的完善與優(yōu)化，構(gòu)建一個(gè)風(fēng)電場(chǎng)短期功率誤差的修復(fù)模型，然后在通過側(cè)模型開展風(fēng)電場(chǎng)的功率預(yù)測(cè)。此種模式可以有效的滿足電力系統(tǒng)調(diào)度對(duì)于實(shí)際的風(fēng)電場(chǎng)短期功率的相關(guān)預(yù)測(cè)需求。

參考文獻(xiàn)

[1]楊曉萍，王寶，蘭航，武小暄.風(fēng)電場(chǎng)短期功率預(yù)測(cè)[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2015（09）：85-90.

[2]陳潤(rùn)東.風(fēng)電場(chǎng)短期功率預(yù)測(cè)方法研究[D].青島科技大學(xué)，2013.

[3]黃帥.風(fēng)電場(chǎng)超短期功率預(yù)測(cè)方法的研究[D].電子科技大學(xué)，2012.

作者單位

南京師范大學(xué) 江蘇省南京市 210042