研究與開發(fā)現(xiàn)代計算機(jī)２０13.08（國電南瑞科技股份有限公司深圳分公司，深圳）關(guān)鍵詞：風(fēng)力功率預(yù)測；BP神經(jīng)網(wǎng)絡(luò)；天氣預(yù)報；優(yōu)先選擇；在線建模收稿日期：2013-06-18修稿日期：2013-07-18作者簡介：秦昭暉（1982-），男，湖北監(jiān)利人，工程師，碩士，研究方向為預(yù)測算法、軟件工程提出一種基于優(yōu)先選擇的電率超短期預(yù)測算法，該算法結(jié)合BP神經(jīng)網(wǎng)絡(luò)、天氣預(yù)報、實測率外推法等多種預(yù)測算法，并能動態(tài)選擇輸入數(shù)據(jù)最優(yōu)的預(yù)測算法進(jìn)行預(yù)測。優(yōu)先選擇法的各個子算法分別采集不同的輸入數(shù)據(jù)進(jìn)行預(yù)測，這種做法能有效地規(guī)避單一輸入數(shù)據(jù)無效時，整預(yù)測失敗的情況同時短期風(fēng)電功率預(yù)測，結(jié)合在線建模，能動態(tài)調(diào)整子算法的執(zhí)行順經(jīng)過實際運行后，算法運行療效較好，4h內(nèi)的預(yù)測均方根誤差在10%以內(nèi)文章編號：1007-1423（-0006-04DOI：10.3969/j.issn.1007-1423.2013.22.002問題的提出隨著全球溫度變暖和化石燃料一次性能源的日漸枯竭，可再生能源的借助在世界范圍內(nèi)遭到普遍的重風(fēng)力發(fā)作為一種重要的可再生能源，近幾年來得到了較快發(fā)展。力發(fā)機(jī)組的出力具有間歇性和不確定性。
場建設(shè)規(guī)模的不斷擴(kuò)大、場數(shù)目的不斷降低以及裝機(jī)容量在力系統(tǒng)中所占比列的不斷提升給力系統(tǒng)的安全與經(jīng)濟(jì)運行帶來了新的挑力系統(tǒng)運行的不確定性誘因增多，調(diào)度的難急劇減小。如果還能對機(jī)組的出力作比較確切的預(yù)測，這對提早制訂適當(dāng)?shù)恼{(diào)計劃，進(jìn)而維持力系統(tǒng)的安全和經(jīng)濟(jì)運行具有重要的意義功率超短期預(yù)測是指4小時之內(nèi)的功率預(yù)測，超短期預(yù)測對實時功率控制等具備重大的意義。到目前為止，國內(nèi)外對于功率預(yù)測早已做了相當(dāng)?shù)难芯抗ぷ鳎岢龃罅康膱鏊俸凸β暑A(yù)測方式，包括統(tǒng)計法、卡爾曼濾波法、時間序列法、神經(jīng)網(wǎng)絡(luò)法、模糊邏輯法、功率觀測器、空間相關(guān)性法、支持向量機(jī)、小波分析、遺傳算法但現(xiàn)行的功率超期預(yù)測方式，一般是采用單一的預(yù)測算法（例如神經(jīng)網(wǎng)路，并采集單一的輸入數(shù)據(jù)來進(jìn)行預(yù)測（例如實測功率、實測速。也有少量結(jié)合種預(yù)測方式的研究成果，但都是將種預(yù)測算法串聯(lián)、依次對單一的輸入數(shù)據(jù)進(jìn)行處理。在實際工程應(yīng)用中，一旦出現(xiàn)輸入數(shù)據(jù)暫時中斷的情況，就會造成該時刻的預(yù)測失敗。電功率超短期預(yù)測大都采用物理方式來進(jìn)行預(yù)測，忽略了天氣預(yù)報等化學(xué)方式。本文提出的實測功率和天氣預(yù)報的權(quán)重相乘法結(jié)合了化學(xué)方式，對超短期預(yù)測中的第4h預(yù)測精有顯著增強(qiáng)。
最后，本文按照從四川某電場獲得的相關(guān)數(shù)據(jù)，運用優(yōu)先選擇法進(jìn)行電功率的超短期預(yù)測，并將預(yù)測結(jié)果與實際結(jié)果進(jìn)行比較。算法實現(xiàn)優(yōu)優(yōu)先選擇法的前提是選擇高精的預(yù)測子算法短期風(fēng)電功率預(yù)測，本文針對電功率的超短期預(yù)測的特性，選擇BP神經(jīng)網(wǎng)絡(luò)、天氣預(yù)報、實測功率外推、實測功率外推結(jié)合天氣預(yù)報四種預(yù)測算法。優(yōu)先選擇法由個子算法構(gòu)成，采用組合模式[10]研究與開發(fā)現(xiàn)代計算機(jī)２０13.08具體實現(xiàn)，其簡單類圖描述如圖1所示。優(yōu)先選擇法的可知難點在于各個子算輸入有效性的判定和子算之間優(yōu)先級的確子算輸入有效性的斷由各個子算自己決定，子算之間的初始化優(yōu)先級由建模時子算的預(yù)測精度定，并由在線建模后續(xù)動態(tài)調(diào)整。優(yōu)先選擇算述BP（）網(wǎng)絡(luò)是為首科學(xué)家小組提出一種按偏差逆?zhèn)鞑ニ阌?xùn)練的多層頻域網(wǎng)路，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)模型之一BP網(wǎng)能學(xué)習(xí)和儲存大量輸入-輸出模式映射關(guān)系，而無需事前闡明描述這些映射關(guān)系的物理多項式。它的學(xué)習(xí)規(guī)則是使用最速驟降，通過反向傳播來不斷整網(wǎng)的殘差和閥值，誤差平方和最小。BP神經(jīng)網(wǎng)型拓?fù)浣Y(jié)構(gòu)包括輸入層）、隱層()和輸出層()。
BP神經(jīng)網(wǎng)可以通過學(xué)習(xí)來抽取和迫近輸入輸出之間存在的非線性關(guān)系，被大量地應(yīng)用到風(fēng)速預(yù)測或風(fēng)電功率預(yù)測中。本文使用BP神經(jīng)網(wǎng)絡(luò)算分為建模和在線運行兩部份：建模使用2012年測風(fēng)塔歷史數(shù)據(jù)構(gòu)建學(xué)習(xí)樣本，供BP神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)按照測風(fēng)塔史風(fēng)速wind和風(fēng)電場全場史功率power建風(fēng)功曲線，風(fēng)功曲線格式為：power=kwind+b預(yù)測在線運行時，根據(jù)時測風(fēng)塔風(fēng)速預(yù)測未來時刻測風(fēng)塔風(fēng)速把預(yù)測測風(fēng)塔未來時刻風(fēng)速代入風(fēng)功曲線估算出未來時刻功率數(shù)值天氣預(yù)報）是指按照大氣際情況，在一定年率和邊值條件下，通過小型計算機(jī)作數(shù)值估算，求解寫天氣變遷過程流體力學(xué)和熱力學(xué)方程組，預(yù)測未來一定時段大氣運動狀態(tài)和天氣現(xiàn)象方在風(fēng)電功率預(yù)測中，數(shù)值天氣預(yù)報服務(wù)使用小型計算機(jī)作數(shù)值估算，與2.2采用BP神經(jīng)網(wǎng)絡(luò)通過輸入測風(fēng)塔測風(fēng)速預(yù)測未來風(fēng)速相比，預(yù)測時間越長，優(yōu)勢越顯著本文使用數(shù)值天氣預(yù)報進(jìn)行風(fēng)電功率超短期預(yù)測方也分為建模和預(yù)測兩部份建模通過單機(jī)功率-全場功率相關(guān)性分析，定一個代表樣機(jī)通過該代樣機(jī)歷史風(fēng)速和歷史功率建該代樣機(jī)風(fēng)-功曲線，風(fēng)功曲線格式同公式1）向?qū)I(yè)數(shù)值天氣務(wù)商訂制該代樣機(jī)處風(fēng)速預(yù)報務(wù)預(yù)測每次預(yù)測時，通過數(shù)值天氣預(yù)報務(wù)獲取未來時刻風(fēng)速將未來時刻風(fēng)速代入代樣機(jī)風(fēng)功曲線獲取代樣機(jī)預(yù)測功率依據(jù)代樣機(jī)預(yù)測功率得到全場預(yù)測功率測功率外推本質(zhì)上是一種時間序列，研究與開發(fā)現(xiàn)代計算機(jī)２０13.08之前三個時刻的實測功率的權(quán)重和，權(quán)重系數(shù)k1、k2、k3由歷史功率樣本數(shù)據(jù)獲得。
+1=+-1+-2實測功率外推法結(jié)合天氣預(yù)報是2.3節(jié)的預(yù)測方式和2.4節(jié)的預(yù)測方式相結(jié)合，即兩種預(yù)測方式同時運行，然后把兩種預(yù)測結(jié)果根據(jù)一定的重相乘。預(yù)測時間越靠前，實測功率外推法占的重越大，預(yù)測時間越靠后，天氣預(yù)報所占的重越小。在線建模是優(yōu)先選擇法在線運行后，無需停止預(yù)測系統(tǒng)的運行，啟動后臺線程進(jìn)行的自動化建模。在線建模通常每一個月執(zhí)行一次。在線建模的算法描述如下：準(zhǔn)備好上一個月的歷史數(shù)據(jù)針對上一個月的歷史數(shù)據(jù)進(jìn)行，每個子算法進(jìn)行重新預(yù)測以月均方根偏差對每位子算法的預(yù)測精度進(jìn)行排序依據(jù)月均方根偏差的次序調(diào)整子算法的執(zhí)行順在風(fēng)功率預(yù)測中的應(yīng)用療效首先，確定了進(jìn)行實際預(yù)測時的優(yōu)先選擇法的子算法排序：實測功率外推結(jié)合天氣預(yù)報實測功率外推BP神經(jīng)網(wǎng)絡(luò)天氣預(yù)報之后，根據(jù)廣東某風(fēng)電場2012年的實測數(shù)據(jù)，完成各個子算法的建模工作號的1h預(yù)測結(jié)果和實測結(jié)果對比，預(yù)測精度較高依據(jù)公式[11]計算的5天均方根偏差為8.7%RMSE=其中，PMi時刻的實際功率，PPi時刻的預(yù)測功率，Cap為平均開機(jī)容量，n為樣本個數(shù)我們提出一種優(yōu)先選擇法，并按照廣東某風(fēng)電場2012年的實測數(shù)據(jù)，進(jìn)行算法建模，后在風(fēng)電場運行，并進(jìn)行實際的風(fēng)電功率超短期預(yù)測到目為止，在各類工況下，預(yù)測精度都較高，具備良好的實際工程應(yīng)用價值同時，優(yōu)先選擇法也可以推廣用于其他領(lǐng)域的預(yù) 測，有著廣泛的應(yīng)用景 預(yù)測精度對比參考文獻(xiàn) 基于RBF 神經(jīng)元網(wǎng)路的風(fēng)電功 率短期預(yù)測[J]. 電力系統(tǒng)保護(hù)與控制, 2011, 39(15):80~83 超短期風(fēng)電功率預(yù)測及其在安全穩(wěn)定預(yù)警系統(tǒng)中的應(yīng)用[J]. 電力系統(tǒng)保護(hù)與控制, 2012, 40 12):19~23 基于超短期風(fēng)電功率預(yù)測的風(fēng)電場手動發(fā)電控制[J]. 中國電力, 2011, 442):74~77 [4]黃金花, 電工電氣,20099):57-6 基于人工神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率短期預(yù)測研究[J]. 華東電力, 2009, 3711):1918~1921 衛(wèi)志農(nóng),孫國強(qiáng). 基于改進(jìn)空間相關(guān)性和徑向基神 經(jīng)網(wǎng)路的風(fēng)電場短期風(fēng)速分時預(yù)測模型[J]. 電力自動化設(shè) 2009,296):89~92 [7]吳興華, 黃梅.基于模式辨識的風(fēng)電場風(fēng)速和發(fā)電功 率預(yù)測[J]. 繼電器, 2008, 361):27~32 高陽.風(fēng)電場發(fā)電功率的建模和預(yù)測研究 綜述[J]. 電力系統(tǒng)保護(hù)與控制, 2009, 3713):118~121 電力系統(tǒng)保護(hù)與控制,2009, 371):65~70 [10]Gamma 設(shè)計模式[M].李英軍等譯. 北京:機(jī)械工業(yè) 除報社, 2010:107~110 [11]國家電網(wǎng)公司調(diào)度通信中心. 風(fēng)電功率預(yù)測系統(tǒng)功能規(guī) 北京:國家電網(wǎng)公司,2011:7 研究與開發(fā)現(xiàn)代計算機(jī) ２０13.08 Ultra- Wind Power Based QIN Zhao-hui Yan（NAR Co. Ltd. ， ） : Wind Power ; BP ; ; ; , which , , , can which data. Each sub- , when input . , , can . , 鄄 ness, than 10%