董蕎

（國(guó)網(wǎng)北京市電力公司，北京 100031）

0 引 言

現(xiàn)有的化石能源儲(chǔ)量有限，且隨著人們的開采其儲(chǔ)量在不斷地減少，世界各國(guó)都在努力開發(fā)新能源代替原有能源，當(dāng)前能源在不斷朝著高效化與清潔化發(fā)展。在不斷研發(fā)的過程中，新能源電站逐漸取代當(dāng)前發(fā)電站，為人們提供清潔能源?，F(xiàn)有的新能源發(fā)電站數(shù)量在高速增長(zhǎng)，全世界的新能源電站的裝機(jī)容量已經(jīng)超過了200 GW。我國(guó)雖然在此領(lǐng)域的研究中，已經(jīng)取得了相應(yīng)的科研成果，但相對(duì)于西方國(guó)家還是具有一定的滯后性，還處于不斷摸索與研究的過程中。

新能源發(fā)電具有維護(hù)成本較低的用電，但當(dāng)前新能源電站發(fā)電功率預(yù)測(cè)方法尚未完善，整體預(yù)測(cè)精度較低且缺乏相關(guān)數(shù)據(jù)。在此狀態(tài)下，電網(wǎng)企業(yè)通過發(fā)電預(yù)測(cè)結(jié)果進(jìn)行電力調(diào)度的措施會(huì)存在大量的不足。

針對(duì)此問題，在本次研究中提出一種基于神經(jīng)網(wǎng)絡(luò)的新能源電站發(fā)電功率預(yù)測(cè)方法，創(chuàng)新性地優(yōu)化了神經(jīng)網(wǎng)絡(luò)激活函數(shù)，保證其與預(yù)測(cè)數(shù)據(jù)庫(kù)的高匹配度，分析預(yù)測(cè)結(jié)果與實(shí)際發(fā)電功率間的誤差，進(jìn)行新能源電站發(fā)電功率預(yù)測(cè)。

1 基于神經(jīng)網(wǎng)絡(luò)的新能源電站發(fā)電功率預(yù)測(cè)方法設(shè)計(jì)

本次研究中，對(duì)當(dāng)前新能源電站發(fā)電功率預(yù)測(cè)方法的基本環(huán)節(jié)進(jìn)行了全面的分析。在將神經(jīng)網(wǎng)絡(luò)引入到新能源電站發(fā)電功率預(yù)測(cè)過程之前，構(gòu)建了新的發(fā)展電功率預(yù)測(cè)流程，具體如圖1所示。

圖1 基于神經(jīng)網(wǎng)絡(luò)的新能源電站發(fā)電功率預(yù)測(cè)流程

本次研究主要可劃分為兩個(gè)方面，分別為：

（1）歷史發(fā)電數(shù)據(jù)及天氣數(shù)據(jù)的劃分與聚類處理。將此部分?jǐn)?shù)據(jù)處理結(jié)果作為發(fā)電功率預(yù)測(cè)的基礎(chǔ)，以此提升基礎(chǔ)數(shù)據(jù)質(zhì)量。

（2）構(gòu)建發(fā)電功率預(yù)測(cè)模型。

1.1 構(gòu)建新能源電站發(fā)電功率預(yù)測(cè)數(shù)據(jù)庫(kù)

本次研究中將使用K 均值算法對(duì)原始數(shù)據(jù)中的環(huán)境數(shù)據(jù)進(jìn)行聚類分析，并構(gòu)建新能源電站發(fā)電功率預(yù)測(cè)數(shù)據(jù)庫(kù)。本環(huán)節(jié)主要對(duì)數(shù)據(jù)處理過程展開研究，故不對(duì)數(shù)據(jù)聚類過程進(jìn)行過多的贅述。

為降低數(shù)據(jù)處理難度，將原始數(shù)據(jù)集按照時(shí)間劃分為多個(gè)區(qū)間。同時(shí)，為保證各個(gè)數(shù)據(jù)區(qū)間的完整性，當(dāng)區(qū)間內(nèi)數(shù)據(jù)缺失量達(dá)到20%時(shí)，需要根據(jù)已知數(shù)據(jù)對(duì)數(shù)據(jù)空缺進(jìn)行填充，則有：

其中，與分別表示缺失數(shù)據(jù)兩端的有效數(shù)據(jù)；（）與（）分別表示數(shù)據(jù)區(qū)間中的均值；（，）表示數(shù)據(jù)區(qū)間的零階差商。根據(jù)式（1），可得到：

其中，（b）表示計(jì)算得到的時(shí)間序列區(qū)間均值。根據(jù)此公式，對(duì)數(shù)據(jù)集中的缺失進(jìn)行彌補(bǔ)。而后，對(duì)數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行歸一化處理，具體過程如下：

其中，表示待處理數(shù)據(jù)1；表示待處理數(shù)據(jù)2。通過此公式確定不同數(shù)據(jù)之間的關(guān)聯(lián)性，將其導(dǎo)入指定數(shù)據(jù)庫(kù)中，將其作為后續(xù)預(yù)測(cè)工作的數(shù)據(jù)基礎(chǔ)。

1.2 構(gòu)建新能源電站發(fā)電功率預(yù)測(cè)模型

將新能源電站發(fā)電功率預(yù)測(cè)數(shù)據(jù)庫(kù)作為預(yù)測(cè)數(shù)據(jù)來(lái)源，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)，構(gòu)建新能源電站發(fā)電功率預(yù)測(cè)模型，完成發(fā)電功率預(yù)測(cè)。首先對(duì)神經(jīng)網(wǎng)絡(luò)模型中的輸出層節(jié)點(diǎn)與輸出層節(jié)點(diǎn)進(jìn)行設(shè)定，假設(shè)神經(jīng)網(wǎng)絡(luò)的隱含層權(quán)值為，閾值為；輸出層的權(quán)值為，閾值為。而后，對(duì)預(yù)測(cè)模型中的參數(shù)展開設(shè)定，確定神經(jīng)網(wǎng)絡(luò)激活函數(shù)，為后續(xù)的計(jì)算提供便利。

神經(jīng)網(wǎng)絡(luò)輸入的原始數(shù)據(jù)為，與為隱含層與輸出層的輸出值。此時(shí)，此神經(jīng)網(wǎng)絡(luò)的激活函數(shù)可表示為：

使用此公式，對(duì)神經(jīng)網(wǎng)絡(luò)的計(jì)算過程進(jìn)行控制，并將其作為預(yù)測(cè)模型的基礎(chǔ)。在預(yù)測(cè)過程中不斷調(diào)整預(yù)測(cè)模型的適應(yīng)度函數(shù)，具體內(nèi)容：

預(yù)測(cè)最大值：

預(yù)測(cè)最小值：

其中，表示預(yù)測(cè)結(jié)果的空間范圍最小值；表示預(yù)測(cè)結(jié)果的空間范圍最大值。使用此公式，對(duì)神經(jīng)網(wǎng)絡(luò)計(jì)算結(jié)果的取值范圍進(jìn)行控制。將神經(jīng)網(wǎng)絡(luò)模型與當(dāng)前預(yù)測(cè)模型的基礎(chǔ)內(nèi)容進(jìn)行融合，得到文中所需的新能源電站發(fā)電功率預(yù)測(cè)模型。為保證此模型的預(yù)測(cè)精度，將模型預(yù)測(cè)結(jié)果評(píng)估指標(biāo)設(shè)定為：

其中，表示驗(yàn)證模型；表示新能源電站發(fā)電功率預(yù)測(cè)模型。對(duì)兩者之間的誤差展開計(jì)算，如計(jì)算結(jié)果符合當(dāng)前預(yù)測(cè)精度要求，則輸出此結(jié)果。

至此，基于神經(jīng)網(wǎng)絡(luò)的新能源電站發(fā)電功率預(yù)測(cè)方法設(shè)計(jì)完成。

2 實(shí)驗(yàn)論證分析

本次研究中提出了基于神經(jīng)網(wǎng)絡(luò)的新能源電站發(fā)電功率預(yù)測(cè)方法，為證實(shí)此方法的可行性與科學(xué)性，應(yīng)用真實(shí)數(shù)據(jù)樣本，構(gòu)建實(shí)驗(yàn)環(huán)節(jié)，對(duì)其應(yīng)用效果加以分析。

2.1 實(shí)驗(yàn)準(zhǔn)備

此次實(shí)驗(yàn)中所使用的數(shù)據(jù)均來(lái)自城市內(nèi)某新能源發(fā)電站，此發(fā)電站的裝機(jī)容量為100 MW，每個(gè)單元為2 MW。每個(gè)單元配置一個(gè)新能源發(fā)電組件支架。此發(fā)電站位于城市西北方向，距離市中心20 KM。根據(jù)當(dāng)?shù)貧庀笳緮?shù)據(jù)顯示，新能源電站所在位置光能與風(fēng)能資源較為豐富，具有開發(fā)價(jià)值。

將氣象條件作為自變量，對(duì)新能源電站發(fā)電功率展開預(yù)測(cè)。對(duì)此發(fā)電站的歷史數(shù)據(jù)進(jìn)行分析發(fā)現(xiàn)，發(fā)電站的歷史功率與影響因素組成內(nèi)容較為復(fù)雜，且呈現(xiàn)出季節(jié)性較強(qiáng)的特征。因此，本次實(shí)驗(yàn)中選擇2020年11月與2021年7月兩個(gè)數(shù)據(jù)作為數(shù)據(jù)樣本，構(gòu)建實(shí)驗(yàn)數(shù)據(jù)集。此數(shù)據(jù)集中包含兩類數(shù)據(jù)樣本，其一是采集周期為1 小時(shí)的時(shí)間序列，此數(shù)據(jù)可為后續(xù)的數(shù)據(jù)分解及預(yù)測(cè)提供幫助。將此部分?jǐn)?shù)據(jù)劃分為數(shù)據(jù)樣本以及待預(yù)測(cè)日數(shù)據(jù)，具體如表1所示。

表1 數(shù)據(jù)樣本以及待預(yù)測(cè)日數(shù)據(jù)統(tǒng)計(jì)表

根據(jù)以往實(shí)驗(yàn)可知，環(huán)境因素對(duì)預(yù)測(cè)結(jié)果的影響較大。因此在本次研究中，對(duì)數(shù)據(jù)樣本的天氣進(jìn)行聚類，使用統(tǒng)計(jì)軟件將數(shù)據(jù)劃分為晴天與非晴天兩類，所得統(tǒng)計(jì)結(jié)果如表2所示。

表2 數(shù)據(jù)樣本晴天與非晴天聚類分析結(jié)果

對(duì)上述數(shù)據(jù)進(jìn)行整理，將作為本次實(shí)驗(yàn)中使用的數(shù)據(jù)樣本。本次實(shí)驗(yàn)將獲取上述日期的新能源電站發(fā)電功率作為數(shù)據(jù)基礎(chǔ)，使用其完成新能源電站發(fā)電功率預(yù)測(cè)。

2.2 實(shí)驗(yàn)方案

在對(duì)大量相關(guān)實(shí)驗(yàn)進(jìn)行分析后，大部分實(shí)驗(yàn)的評(píng)定指標(biāo)設(shè)定為下述內(nèi)容：

平均絕對(duì)誤差：

（2）平均相對(duì)誤差：

（3）均方根誤差：

上式指標(biāo)計(jì)算公式中，表示實(shí)驗(yàn)對(duì)象的實(shí)際發(fā)電功率輸出值；表示實(shí)驗(yàn)對(duì)象的發(fā)電功率預(yù)測(cè)值；表示數(shù)據(jù)樣本總量；表示預(yù)測(cè)時(shí)間值。對(duì)上述指標(biāo)進(jìn)行分析后，選擇平均絕對(duì)誤差與平均相對(duì)誤差作為本次實(shí)驗(yàn)中的評(píng)定指標(biāo)。為了更好完成實(shí)驗(yàn)結(jié)果的分析工作，將此指標(biāo)計(jì)算結(jié)果與對(duì)象的評(píng)價(jià)結(jié)果進(jìn)行設(shè)定，所得結(jié)果如表3所示。

表3 實(shí)驗(yàn)指標(biāo)取值范圍與評(píng)價(jià)結(jié)果

使用上述指標(biāo)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析與評(píng)定，為保證實(shí)驗(yàn)結(jié)果的細(xì)致程度，將測(cè)試日以小時(shí)為周期劃分，預(yù)測(cè)每個(gè)小時(shí)電場(chǎng)的發(fā)電功率，完成預(yù)測(cè)方法的應(yīng)用分析過程。本次實(shí)驗(yàn)過程中，選用基礎(chǔ)預(yù)測(cè)方法與GM（1，1）預(yù)測(cè)方法和文中方法同時(shí)對(duì)預(yù)測(cè)日數(shù)據(jù)進(jìn)行處理與分析，以確定文中方法的使用效果以及其與當(dāng)前方法的應(yīng)用效果的差異性。

2.3 實(shí)驗(yàn)結(jié)果分析

2.3.1 晴天日電廠發(fā)電量預(yù)測(cè)結(jié)果分析

按照上文中設(shè)定內(nèi)容，完成晴天日條件的預(yù)測(cè)方法應(yīng)用實(shí)驗(yàn)，所得實(shí)驗(yàn)結(jié)果如圖2所示。

圖2 晴天日電廠發(fā)電量預(yù)測(cè)結(jié)果

對(duì)上述圖像進(jìn)行分析可以看出，實(shí)驗(yàn)中選用的三種方法預(yù)測(cè)結(jié)果與實(shí)際電廠發(fā)電功率差異相對(duì)較小，整體預(yù)測(cè)結(jié)果與實(shí)際結(jié)果較為接近，且三種實(shí)驗(yàn)方法的差異度相對(duì)較小。為了更好對(duì)其進(jìn)行分析，根據(jù)實(shí)驗(yàn)指標(biāo)對(duì)三種方法的實(shí)驗(yàn)結(jié)果進(jìn)行計(jì)算與分析，所得結(jié)果如圖3所示。

圖3 晴天日電廠發(fā)電量預(yù)測(cè)精度分析結(jié)果

對(duì)上圖中的數(shù)據(jù)進(jìn)行整理與分析后可以發(fā)現(xiàn)，三種方法整體精度大致相同。將其代入式（10）與式（11）中，得到三種方法的平均絕對(duì)誤差與平均相對(duì)誤差。在本次研究中僅對(duì)平均相對(duì)誤差進(jìn)行分析，所得結(jié)果為：

（1）文中方法預(yù)測(cè)結(jié)果平均相對(duì)誤差2.7%。

（2）基礎(chǔ)預(yù)測(cè)方法預(yù)測(cè)結(jié)果平均相對(duì)誤差3.5%。

（3）與GM（1，1）預(yù)測(cè)方法預(yù)測(cè)結(jié)果平均相對(duì)誤差3.8%。

整理上述實(shí)驗(yàn)結(jié)果以及分析結(jié)果可以確定，三種實(shí)驗(yàn)方法在晴天日條件下所得預(yù)測(cè)結(jié)果的預(yù)測(cè)精度相對(duì)較高，但文中方法的預(yù)測(cè)精度優(yōu)于其他兩種方法。

2.3.2 非晴天日電廠發(fā)電量預(yù)測(cè)結(jié)果分析

按照晴天日實(shí)驗(yàn)條件，將非晴天日數(shù)據(jù)作為基礎(chǔ)，完成預(yù)測(cè)方法應(yīng)用實(shí)驗(yàn)，所得實(shí)驗(yàn)結(jié)果如圖4所示。

圖4 非晴天日電廠發(fā)電量預(yù)測(cè)結(jié)果

對(duì)圖3中內(nèi)容進(jìn)行分析可以看出，在此實(shí)驗(yàn)條件下，三種實(shí)驗(yàn)方法所得預(yù)測(cè)結(jié)果與實(shí)際輸出功率的差異較大。文中方法整體與實(shí)際輸出功率較為一致，其他兩種方法的預(yù)測(cè)結(jié)果嚴(yán)重失真，統(tǒng)計(jì)上圖中數(shù)據(jù)，對(duì)不同方法的電廠發(fā)電量預(yù)測(cè)精度進(jìn)行統(tǒng)計(jì)分析，所得結(jié)果如圖5所示。

圖5 非晴天日電廠發(fā)電量預(yù)測(cè)精度分析結(jié)果

圖5對(duì)不同時(shí)間點(diǎn)的預(yù)測(cè)結(jié)果精度進(jìn)行了細(xì)致的分析，由此圖可以確定文中方法在不同時(shí)刻的預(yù)測(cè)精度均優(yōu)于其他兩種方法。按照晴天日電廠發(fā)電量預(yù)測(cè)精度分析方法，獲取不同方法的平均相對(duì)誤差，則有：

（1）文中方法預(yù)測(cè)結(jié)果平均相對(duì)誤差4.0%。

（2）基礎(chǔ)預(yù)測(cè)方法預(yù)測(cè)結(jié)果平均相對(duì)誤差9.8%。

（3）與GM（1，1）預(yù)測(cè)方法預(yù)測(cè)結(jié)果平均相對(duì)誤差7.5%。

由上述數(shù)據(jù)可以確定，文中方法與其他兩種方法在此實(shí)驗(yàn)條件下的預(yù)測(cè)結(jié)果精度發(fā)生了巨大的差異。綜合上述實(shí)驗(yàn)結(jié)果與分析結(jié)果可以確定，文中方法在此實(shí)驗(yàn)環(huán)境下所得預(yù)測(cè)結(jié)果的可靠性更好。

3 結(jié) 論

本文提出了一種以神經(jīng)網(wǎng)絡(luò)為核心技術(shù)的預(yù)測(cè)方法，構(gòu)建了新能源電站發(fā)電功率預(yù)測(cè)模型，不斷調(diào)整預(yù)測(cè)模型的適應(yīng)度函數(shù)，動(dòng)態(tài)更新神經(jīng)網(wǎng)絡(luò)的激活函數(shù)，將神經(jīng)網(wǎng)絡(luò)模型與當(dāng)前預(yù)測(cè)模型的基礎(chǔ)內(nèi)容進(jìn)行融合，分析預(yù)測(cè)結(jié)果與實(shí)際發(fā)電功率間的誤差，完成新能源電站發(fā)電功率預(yù)測(cè)。

為降低實(shí)驗(yàn)難度，實(shí)驗(yàn)測(cè)試過程中選用的數(shù)據(jù)樣本較為有限，在日后的研究中，還需擴(kuò)大數(shù)據(jù)樣本，確定此方法可在實(shí)際問題的解決中普及應(yīng)用，通過此方法提升發(fā)電功率預(yù)測(cè)結(jié)果的可靠性。