董金鳳 王亞男

摘要：闡述了風(fēng)電場(chǎng)功率預(yù)測(cè)的方法和原理，采用物理方法和ELMAN神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，搭建功率預(yù)測(cè)模型，確定輸入?yún)?shù)、隱層單元個(gè)數(shù)。以某在運(yùn)風(fēng)電場(chǎng)為例，利用功率預(yù)測(cè)模型進(jìn)行了風(fēng)電場(chǎng)功率預(yù)測(cè)。該風(fēng)電場(chǎng)功率預(yù)測(cè)模型對(duì)風(fēng)電場(chǎng)功率出力預(yù)測(cè)具有重要的現(xiàn)實(shí)意義。

關(guān)鍵詞：物理方法;ELMAN;風(fēng)電場(chǎng)功率預(yù)測(cè)模型

0 引言

風(fēng)電場(chǎng)功率預(yù)測(cè)系統(tǒng)是根據(jù)風(fēng)電場(chǎng)氣象信息有關(guān)數(shù)據(jù)，即數(shù)值天氣預(yù)報(bào)，利用物理模擬計(jì)算和數(shù)學(xué)統(tǒng)計(jì)方法，結(jié)合風(fēng)電場(chǎng)及機(jī)組運(yùn)行狀態(tài)，對(duì)風(fēng)電場(chǎng)輸出功率進(jìn)行預(yù)測(cè)。

應(yīng)用大氣邊界層動(dòng)力學(xué)與邊界層氣象理論，將數(shù)值天氣預(yù)報(bào)數(shù)據(jù)精細(xì)化為風(fēng)電場(chǎng)實(shí)際地形、地貌條件下的風(fēng)電機(jī)組輪轂高度處的風(fēng)速、風(fēng)向等信息，采用物理方程進(jìn)行預(yù)測(cè)的方法稱為物理方法。根據(jù)歷史數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，找出其內(nèi)在規(guī)律并用于預(yù)測(cè)的方法稱為統(tǒng)計(jì)方法。綜合方法則是物理方法和統(tǒng)計(jì)方法相結(jié)合的方法，即采用物理方法得到風(fēng)速、風(fēng)向等信息，然后采用統(tǒng)計(jì)方法找到歷史數(shù)據(jù)的內(nèi)在規(guī)律。

本文采用綜合方法，先預(yù)測(cè)每臺(tái)風(fēng)電機(jī)組的輪轂高度處的風(fēng)速、風(fēng)向等信息，然后采用神經(jīng)網(wǎng)絡(luò)找出每臺(tái)風(fēng)電機(jī)組歷史數(shù)據(jù)的內(nèi)在規(guī)律，預(yù)測(cè)每臺(tái)風(fēng)電機(jī)組發(fā)電量，然后求和得出風(fēng)電場(chǎng)全場(chǎng)發(fā)電量。

1 風(fēng)電場(chǎng)功率預(yù)測(cè)原理

1.1? ? 原理

風(fēng)電場(chǎng)功率預(yù)測(cè)系統(tǒng)是根據(jù)風(fēng)電場(chǎng)氣象信息有關(guān)數(shù)據(jù)即數(shù)值天氣預(yù)報(bào)，利用物理模擬計(jì)算和數(shù)學(xué)統(tǒng)計(jì)方法，結(jié)合風(fēng)電場(chǎng)及機(jī)組運(yùn)行狀態(tài)，對(duì)風(fēng)電場(chǎng)輸出功率進(jìn)行預(yù)測(cè)，從而滿足電力調(diào)度部門對(duì)風(fēng)電的調(diào)度要求。功率預(yù)測(cè)系統(tǒng)原理如圖1所示。

1.2? ? 神經(jīng)網(wǎng)絡(luò)

ELMAN神經(jīng)網(wǎng)絡(luò)是ELMAN于1990年首先針對(duì)語(yǔ)音處理問題提出來(lái)的，是一種典型的局部遞歸網(wǎng)絡(luò)。由于ELMAN神經(jīng)網(wǎng)絡(luò)在處理序列數(shù)據(jù)輸入輸出時(shí)具有優(yōu)越性而得到了廣泛應(yīng)用?；镜腅LMAN網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示，主要由輸入層、隱層、連接層、輸出層組成，是在BP網(wǎng)絡(luò)的基礎(chǔ)上增加了一個(gè)“反饋層”，其反饋連接由一組“連接”單元組成，用于記憶隱層過(guò)去的狀態(tài)，并且在下一時(shí)刻連同網(wǎng)絡(luò)輸入一起作為隱層單元的輸入，相當(dāng)于狀態(tài)反饋，這一性質(zhì)使得部分遞歸網(wǎng)絡(luò)具有動(dòng)態(tài)記憶功能，適用于建立時(shí)間序列的預(yù)測(cè)模型。各層的輸入均為加權(quán)和;隱層的傳遞函數(shù)為某種非線性函數(shù)，一般為Sigmoid函數(shù);輸出層為線性函數(shù);連接層也為線性函數(shù)。ELMAN神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型：

式中，WI1為聯(lián)系單元與隱層單元的連接權(quán)矩陣;WI2為輸入單元與隱層單元的連接權(quán)矩陣;WI3為隱層單元與輸出單元的連接權(quán)矩陣;xc（k）和x（k）分別表示聯(lián)系單元和隱層單元的輸出;y（k）表示輸出單元的輸出;0≤a<1為子連接反饋增益因子。f（x）多取為Sigmoid函數(shù)，如公式所示：

2 風(fēng)電場(chǎng)功率預(yù)測(cè)模型建模

風(fēng)電場(chǎng)功率理論上與風(fēng)速、空氣密度線性有關(guān)，但在實(shí)際發(fā)電過(guò)程中影響因素眾多，例如地形、地貌、尾流、湍流、風(fēng)機(jī)的實(shí)際運(yùn)行狀況，這些都不同程度地影響著風(fēng)電場(chǎng)的實(shí)際發(fā)電。

本項(xiàng)目采用綜合方法，應(yīng)用大氣邊界層動(dòng)力學(xué)與邊界層氣象理論，將數(shù)值天氣預(yù)報(bào)數(shù)據(jù)精細(xì)化為在風(fēng)電場(chǎng)實(shí)際地形、地貌條件下的風(fēng)電機(jī)組輪轂高度的風(fēng)速、風(fēng)向等信息，根據(jù)風(fēng)電場(chǎng)的測(cè)風(fēng)塔、歷史數(shù)據(jù)找出風(fēng)速、溫度、氣壓、風(fēng)向等信息與輸出功率間的關(guān)系，利用預(yù)測(cè)的每臺(tái)風(fēng)電機(jī)組輪轂高度處的風(fēng)速、溫度、氣壓、風(fēng)向等，對(duì)每臺(tái)風(fēng)電機(jī)組發(fā)電功率進(jìn)行預(yù)測(cè)。ELMAN模型的建立過(guò)程如圖3所示。

2.1? ? 神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)的確定

本文利用風(fēng)電場(chǎng)相鄰風(fēng)機(jī)之間的相互關(guān)系預(yù)測(cè)風(fēng)機(jī)功率，即考慮周邊風(fēng)機(jī)的影響。風(fēng)電場(chǎng)風(fēng)機(jī)只有風(fēng)速測(cè)量?jī)x;溫度和氣壓在同一地區(qū)變化較小，采用測(cè)風(fēng)塔溫度、氣壓測(cè)量數(shù)據(jù)。選取2號(hào)風(fēng)機(jī)和31號(hào)風(fēng)機(jī)來(lái)比較不同參數(shù)組合間的誤差。參數(shù)組合如下：

2號(hào)風(fēng)機(jī)：

組合①：#2風(fēng)機(jī)風(fēng)速、溫度、氣壓;組合②：#2風(fēng)機(jī)風(fēng)速和風(fēng)向、1號(hào)風(fēng)機(jī)風(fēng)速、3號(hào)風(fēng)機(jī)風(fēng)速、溫度、氣壓;

31號(hào)風(fēng)機(jī)：

組合①：#31風(fēng)機(jī)風(fēng)速、溫度、氣壓;組合②：#31風(fēng)機(jī)風(fēng)速和風(fēng)向、30號(hào)風(fēng)機(jī)風(fēng)速、32號(hào)風(fēng)機(jī)風(fēng)速、溫度、氣壓。

風(fēng)電場(chǎng)功率預(yù)測(cè)不同輸入?yún)?shù)的誤差比較如表1所示。

從表1不同輸入?yún)?shù)的誤差比較可知，組合②誤差更小，準(zhǔn)確度更高。因此，風(fēng)電場(chǎng)采用組合②進(jìn)行風(fēng)電場(chǎng)功率預(yù)測(cè)參數(shù)輸入。但在實(shí)際訓(xùn)練過(guò)程中，需要結(jié)合地形及風(fēng)機(jī)排布情況，確定風(fēng)機(jī)具體預(yù)測(cè)參數(shù)輸入。

2.2? ? 數(shù)據(jù)整理及歸一化

選取風(fēng)電場(chǎng)一年的原始數(shù)據(jù)（包括測(cè)風(fēng)塔數(shù)據(jù)和風(fēng)電場(chǎng)運(yùn)行數(shù)據(jù)），剔除不合理數(shù)據(jù)，為滿足建模需要，需將原始數(shù)據(jù)進(jìn)行歸一化處理，即歸一化值在0～1。

2.3? ? 隱層神經(jīng)元個(gè)數(shù)的確定

神經(jīng)網(wǎng)絡(luò)隱層神經(jīng)元個(gè)數(shù)的確定，對(duì)網(wǎng)絡(luò)的精確度、計(jì)算時(shí)間等都有很大影響。模型采用不同隱層單元個(gè)數(shù)分別計(jì)算3號(hào)、32號(hào)、50號(hào)風(fēng)機(jī)的輸出功率，與實(shí)際功率進(jìn)行均方根誤差比較來(lái)確定選擇隱層單元的個(gè)數(shù)。表2為3臺(tái)風(fēng)機(jī)不同隱層單元個(gè)數(shù)的均方根誤差，從表中可以看出，3號(hào)風(fēng)機(jī)隱含層單元數(shù)為8個(gè)時(shí)，均方根誤差最小;32號(hào)風(fēng)機(jī)隱含層單元數(shù)為10個(gè)時(shí)，均方根誤差最小;50號(hào)風(fēng)機(jī)隱含層單元數(shù)為6個(gè)時(shí)，均方根誤差最小。但32號(hào)風(fēng)機(jī)、50號(hào)風(fēng)機(jī)在不同隱層單元個(gè)數(shù)下，均方根誤差相差不大。因此，在神經(jīng)網(wǎng)絡(luò)計(jì)算時(shí)采用隱層單元數(shù)為8個(gè)。

3 風(fēng)電場(chǎng)的功率預(yù)測(cè)

山東某風(fēng)電場(chǎng)為丘陵風(fēng)電場(chǎng)，地形復(fù)雜，海拔高度在400～500 m，海拔460 m以上較為平緩，起伏較小。風(fēng)電場(chǎng)容量49.3 MW，風(fēng)電機(jī)組沿山脊布置。

3.1? ? 數(shù)值天氣預(yù)報(bào)

中國(guó)氣象局為該風(fēng)電場(chǎng)提供了測(cè)風(fēng)塔及每臺(tái)風(fēng)電機(jī)組輪轂高度處的風(fēng)速、風(fēng)向、溫度、氣壓等信息。風(fēng)速波動(dòng)趨勢(shì)相對(duì)一致，但預(yù)測(cè)風(fēng)速與實(shí)際風(fēng)速相關(guān)性較差，在0.5左右。

3.2? ? 數(shù)據(jù)整理

選取該風(fēng)電場(chǎng)每臺(tái)風(fēng)電機(jī)組一年的原始數(shù)據(jù)，進(jìn)行數(shù)據(jù)整理并歸一化處理。

3.3? ? 風(fēng)電場(chǎng)功率預(yù)測(cè)

利用Matlab軟件建立ELMAN風(fēng)電機(jī)組的功率預(yù)測(cè)模型，選取每臺(tái)風(fēng)電機(jī)組一年的歸一化數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，找到其內(nèi)在規(guī)律。輸入每臺(tái)風(fēng)電機(jī)組及其周邊風(fēng)電機(jī)組的預(yù)測(cè)數(shù)據(jù)，對(duì)每臺(tái)風(fēng)電機(jī)組進(jìn)行短期風(fēng)電場(chǎng)功率預(yù)測(cè)。本文選取1號(hào)、15號(hào)風(fēng)機(jī)進(jìn)行預(yù)測(cè)，預(yù)測(cè)可知，不管全場(chǎng)還是單個(gè)風(fēng)電機(jī)組的實(shí)際功率與預(yù)測(cè)功率走向趨于一致，且風(fēng)速的變化趨勢(shì)與功率曲線的變化趨勢(shì)一致，說(shuō)明在功率預(yù)測(cè)時(shí)，風(fēng)速預(yù)測(cè)的準(zhǔn)確性是影響風(fēng)電場(chǎng)功率預(yù)測(cè)準(zhǔn)確性的關(guān)鍵。

在風(fēng)速相關(guān)性較差的情況下，風(fēng)電場(chǎng)功率預(yù)測(cè)相對(duì)較好，這是因?yàn)镋LMAN模型本身具有統(tǒng)計(jì)分析內(nèi)部規(guī)律的功能。若數(shù)值天氣預(yù)報(bào)準(zhǔn)確性提高，將大大提高風(fēng)電場(chǎng)功率預(yù)測(cè)的準(zhǔn)確性。風(fēng)速相關(guān)性對(duì)比與功率均方根誤差對(duì)比如表3所示。

4 結(jié)語(yǔ)

本文通過(guò)對(duì)山東某風(fēng)電場(chǎng)功率預(yù)測(cè)結(jié)果進(jìn)行分析，總結(jié)了提高預(yù)測(cè)精度的途徑包括以下幾個(gè)方面：

（1）提高數(shù)值天氣預(yù)報(bào)的準(zhǔn)確性，風(fēng)速預(yù)測(cè)是關(guān)鍵。除用大氣邊界層動(dòng)力學(xué)與邊界層氣象理論，將數(shù)值天氣預(yù)報(bào)數(shù)據(jù)精細(xì)化到在風(fēng)電場(chǎng)實(shí)際地形、地貌條件下的風(fēng)電機(jī)組輪轂高度處的風(fēng)速、風(fēng)向等信息，還需采用風(fēng)電場(chǎng)測(cè)風(fēng)塔數(shù)據(jù)作為數(shù)值天氣預(yù)報(bào)模型的輸入，且需實(shí)時(shí)更新，以提高數(shù)值天氣預(yù)報(bào)的準(zhǔn)確性。因此，需確保測(cè)風(fēng)塔數(shù)據(jù)的完整性和準(zhǔn)確性。

（2）加強(qiáng)風(fēng)電場(chǎng)原始數(shù)據(jù)的管理。功率預(yù)測(cè)采用的統(tǒng)計(jì)法是基于大量歷史數(shù)據(jù)進(jìn)行分析的，歷史數(shù)據(jù)的完整性和準(zhǔn)確性決定了預(yù)測(cè)的準(zhǔn)確性?？山?shù)據(jù)庫(kù)，對(duì)數(shù)據(jù)進(jìn)行挖掘分析，在功率預(yù)測(cè)時(shí)直接調(diào)用數(shù)據(jù)，可提高預(yù)測(cè)效率。

（3）確保自動(dòng)化通信連續(xù)、可靠。無(wú)論是測(cè)風(fēng)塔數(shù)據(jù)還是歷史數(shù)據(jù)，在功率預(yù)測(cè)過(guò)程需要保證數(shù)據(jù)連續(xù)、完備、可靠。因此，需定期對(duì)設(shè)備進(jìn)行檢修，實(shí)時(shí)查看，保證其正常運(yùn)行。

[參考文獻(xiàn)]

[1] 劉震，汪令祥.基于神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)風(fēng)速軟測(cè)量[J].中國(guó)電力，2010，43（11）：87-91.

[2] 譚赟.時(shí)間序列分析模型構(gòu)建與MATLAB實(shí)現(xiàn)[J].科技資訊，2009（26）：253-254.

[3] 蘇暫，王維慶，王健波，等.風(fēng)電功率預(yù)測(cè)準(zhǔn)確性分析[J].電氣技術(shù)，2012（3）：1-5.

[4] 朱晟，蔣傳文，侯志儉.基于氣象負(fù)荷因子的ELMAN神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)測(cè)[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2005（1）：23-26.

收稿日期：2020-06-08

作者簡(jiǎn)介：董金鳳（1982—），女，山東人，工程師，主要從事新能源方面工作。