基于RBF神經網絡模型的風電機組短期風速預測研究

摘 要：

在電力市場中，風電所占電網的比例越來越大。但由于風的波動及其不可控性，風電場的發電量也在隨機變化，風速是影響產能最直接最根本的因素，所以很有必要對其進行預測。本文采用RBF人工神經網絡模型對未來短時間風速進行預測。通過對風速反復訓練與檢測來選擇一組合適的模型參數，并對模型進行了誤差分析。研究結果表明，使用RBF神經網絡對未來風速進行短時間預測能夠達到較好效果。

關堅詞：風電機組；matlab；RBF神經網絡；風速預測

1. 引言

開發與利用新能源是我國21世紀的重要能源戰略。風能是一種“取之不盡，用之不竭”、環境友好的可持續性能源，已受到了越來越廣泛的重視，并成為發展最快的新型能源。但是風電具有間歇性和隨機性的固有缺點，隨著我國風電并網容量快速增大，風速波動使得風力機組功率不穩定，給電力調度、風力機組維修帶來了困難，因此預先一段時間進行風速的預測是很有意義的。風電場短期風速預測是解決該問題的有效途徑之一。我國從20世紀90年代末開始了風速和風電功率預測研究，風電場風速預測誤差在25%-40%。

本文選用徑向基神經網絡（即RBF神經網絡），利用內蒙古某風電場2014年7月份每10分鐘平均實測風速數據，建立神經網絡模型，通過網絡學習來預測風速。

2. 風速的變化特性

受氣候背景、地形以及海陸分布等多種自然因素影響，風速在時間分布上具有不確定性和不連續性。然而，風速仍然具有很強的變化特性。一般情況下，每月平均風速的空間分布與造成風速的氣候背景、地形以及海陸分布等有直接關系。以地處內蒙古的風場為例，風場海拔高度為1000-2000米，氣候條件多為溫帶大陸性季風氣候，風速在夏季（6月至9月）較小，在秋冬春季（10月至第二年5月）風速較大。因此對風速進行預測之前，要對風場風速變化特性有充分的考慮。

3. RBF神經網絡構建

3.1 RBF神經網絡

徑向基神經網絡（即RBF神經網絡）由三層組成，輸入層、隱含層和輸出層，如圖1所示。相比其他神經網絡，RBF神經網絡的訓練時間更短，其對函數的逼近是最優的。

圖1 RBF神經網絡結構

RBF神經網絡的學習算法需要求解的參數有3個：基函數的中心、方差以及隱含層到輸出層的權值。根據徑向基函數中心選取方法的不同，RBF神經網絡有很多學習方法，如隨機選取中心法、梯度訓練法、有監督選取中心法和正交最小二乘法等。這里，選用自組織選取中心法作為RBF神經網絡的學習方法。

自組織選取中心法由兩個階段組成：一是自組織學習階段，此階段為無導師學習過程，求解隱含層基函數的中心與方差；二是有導師學習階段，此階段求解隱含層到輸出層之間的權值。

3.2 數據歸一化

數據歸一化是神經網絡預測前對數據常用的一種處理方法。數據歸一化處理把所有數據都轉化為[0，1]之間的數，其目的是取消各維數據間數量級別差，避免因為輸入輸出數據數量級差別較大而造成神經網絡預測誤差較大。

本文中，應用多年統計的極限風速對風速數據進行歸一化處理。

3.3RBF神經網絡的構建

首先挑選幾組數據風速作為樣本，通過前n個時刻的風速值預測后n個時刻的風速值。可將每個樣本的前n個風速值進行歸一化處理，將處理后的數值作為RBF神經網絡的輸入；可將每個樣本的后n個風速值進行歸一化處理，將處理后的數值作為RBF神經網絡的目標輸出，通過對RBF神經網絡的訓練學習，實現從輸入空間到輸出空間的映射。

3.3 短期風速預測結果

將前10天的風速數據作為訓練樣本，對風機風速提前1小時進行預測。由于陣風、湍流等因素影響，使得該風機風速有突變性質，觀察風速預測曲線需著重看其預測的趨勢與誤差情況。

由圖2預測風速與實測風速比較可知，可以看到神經網絡預測風速變化趨勢與實際風速變化基本趨勢一致，并且預測風速比實際風速變化平緩，當實際風速有突變時，預測風速突變的幅度要小一些。

圖2 預測風速與實測風速比較

由圖3預測風速誤差曲線可以看出，神經網絡在風速預測時，每點的預報誤差不盡相同，這主要與實際測風裝置的精度、早晚溫差造成的風速變化以及當天天氣變化情況等有關，從預測曲線的總體趨勢以及誤差值大小來看，該神經網絡模型預測結果基本令人滿意。

圖3預測風速誤差曲線

4. 結論

采用RBF神經網絡進行預測，與傳統BP神經網絡相比精度更高、訓練速度更快，更適用于在線預測的場合。但是由于所用訓練數據為風速相對平穩時期的數據，所以該模型對于突變風速的處理能力仍然有限，為提高預測結果的精度，還需對模型進行進一步改進。總體而言，通過建立RBF神經網絡模型，對短期風速進行預測，雖有一定局限性，但其預測精度滿足工程要求。

參考文獻：

[1] Tony Burton等.風能技術[M].北京：科學出版社，2007.

[2] 廖明夫.風力發電技術[M].西安：西北工業大學出版社，2009.

[3] 周品.MATLAB神經網絡設計與應用[M].北京：清華大學出版社，2013

作者簡介：周四平（1978.9-），男，工程師。