RBF-NN與BP-NN比較的風功率預測模型研究

趙世磊，孫振，鮑鐵柱，李強，張軍，李業順，郭路宣，張永茂，趙曉東

(淄博供電公司，山東 淄博 255000)

?

RBF-NN與BP-NN比較的風功率預測模型研究

趙世磊，孫振，鮑鐵柱，李強，張軍，李業順，郭路宣，張永茂，趙曉東

(淄博供電公司，山東 淄博 255000)

風電場輸出功率預測對接入大量風電的電力系統運行有重要意義。本文探討了RBF神經網絡和BP神經網絡兩種訓練方法。以中國北方某風電場的實際數據以及數值天氣預報數據為依據，對RBF神經網絡模型和BP神經網絡模型進行了驗證，最終研究并比較二者在風功率預測方面的差異。結果表明：對于風電場短期功率預測，RBF神經網絡模型預測精度要好于BP神經網絡模型，預測精度較高，且收斂速度較快，能夠較好的擬合實際功率曲線。

風電場；功率預測；BP神經網絡；RBF神經網絡

引言

隨著溫室效應和化石燃料等一次性能源的日益枯竭，可再生能源的利用在世界范圍內受到普遍的重視。風能作為一種清潔、可再生的能源，具有很大的發展前景[1]。但中國的風電事業，在自動控制和設備制造方面，尤其在風功率預測領域受制于國外技術的壟斷。近年來，中國的風電事業增長迅速，風電裝機容量比例也在逐年增大，但由于風的高度波動性和間歇性，大容量風電接入電網對電力供需平衡以及電網的安全帶來極大的考驗。為解決以上問題，風功率預測技術應運而生。研究表明，將短期功率預測技術應用到風電場輸出功率中，對于提高電網安全經濟運行，優化市場接入量，提高電網網架結構等具有重要意義[2]。

本文以北方某風電場的實際數據以及數值天氣預報數據為依據，采用基于K-均值聚類方法的徑向基函數(Radial Basis Function,RBF)神經網絡方法對未來某段時間內的風電場輸出功率做預測，并與BP神經網絡方法做比較，結果分析表明，RBF神經網絡方法得到的預測結果更令人滿意。

1　BP神經網絡結構與原理

BP神經網絡是指基于誤差反向傳播算法的多層前向神經網絡，能夠進行自適應學習[3]，且以任意精度無限逼近所建立的非線性映射；對于未知的信息具有較強的學習能力，同時對于未知問題所建立的學習模型具有很好的魯棒性，對于處理復雜問題方面具有較強的優勢。

BP神經網絡的算法步驟。首先要選定合適的BP網絡模型，然后向選定的網絡中導入輸入向量以及實際的輸出向量，建立樣本集進行訓練，在對樣本的訓練過程中，要將該選定網絡的各個輸出值計算出來，其中包括隱含層和輸出層各個神經元的輸出值，在計算出輸出值之后，將預測輸出值與實際的輸出值作對比，獲得輸出層和隱含層的誤差，根據誤差來對網絡的閥值和權值進行調整，直到誤差小于期望值，則結束訓練。

2　RBF網絡模型

RBF神經網絡屬于前向型神經網絡，一般由輸入層、隱含層和輸出層三層神經網絡構成。其中輸入層僅僅起到傳輸信號的作用。隱含層是對激活函數的參數進行調整，其中激活函數大部分采用高斯函數，利用非線性優化策略對參數進行調整。輸出層是對線性權進行調整，一般采用線性優化策略[4]。

3　基于實際算例的兩種模型預測比較分析

3.1樣本數據的選取

本文選取北方某風電場的6個月的出力數據以及對應時刻的天氣預報數據(包括風速、風向、溫度、濕度等數據)，選取其中的風速、風向、溫度數據作為網絡的輸入數據，對應的功率數據作為輸出，以此來分別建立BP、RBF神經網絡模型，使用前5個月數據作為樣本數據，后一個月某一天數據作為預測樣本，對兩種方法預測結果進行比較。

3.2樣本數據的預處理

由于本文輸入數據中有多個輸入參數，且每個輸入數據的量綱不一樣，數量級也不相同，同時系統又非線性，若直接使用會導致學習速度慢，甚至于不收斂，因此需要對樣本數據進行歸一化處理。本文將輸入數據映射到[0.1,0.9]之間，訓練結束后，將輸出結果反歸一化，則可得到真實數據。

3.3預測精度評價指標

為了定量地判斷模型的有效性，采用均方根誤差(RMSE)和平均絕對百分誤差(MAE)來分析預測結果。

兩種模型的預測誤差對比：

模型類別MAE/%RMSE/%BP16.42%16.91%RBF12.42%7.5%

3.4結果分析

根據前面所建立的模型，對風電場輸出功率進行預測。在訓練過程中，RBF神經網絡模型訓練速度明顯比BP神經網絡速度快，說明RBF神經網絡模型更易于收斂，而且從誤差表中可以看出，應用RBF神經網絡模型預測的精度明顯好于BP神經網絡模型。綜合二者比較，RBF神經網絡模型比BP神經網絡模型更適合做風電場輸出功率預測。

[1]雷亞洲.與風電并網相關的研究課題.電力系統自動化,2003,27(8):84-89.

[2]劉永前，胡爽，胡永生.風電場處理短期預報研究綜述[J].現代電力，2007,24(5)：5-11.

[3]Simon Haykin．葉世偉，史忠植譯．神經網絡原理[M]．北京：機械工業出版社,2004:109-121.

[4]張德豐．MAll，AB神經網絡應用設計[M]．北京：機械工業出版社,2009．

趙世磊(1989—)，男，漢族，山東淄博人，研究生，淄博供電公司，配電運檢。

KT8

A

1671-1602(2016)18-0005-01