郭昌鑫, 曾湲溶,萬穎蕾,巫坤鋌,陳公興,陳吹信,林惠妮
(1.廣州理工學(xué)院電氣與電子工程學(xué)院,廣東 廣州510540;2.廣州棒谷科技股份有限公司,廣東 廣州510435;3.廣州理工學(xué)院外國語學(xué)院,廣東 廣州510540)
世界可再生的海洋波浪能非常豐富,具有安全、清潔、可再生、分布廣等優(yōu)點(diǎn),但在實(shí)際開發(fā)波浪能過程中,必須做到“資源評價(jià)和和規(guī)劃先行”。波浪能資源的不穩(wěn)定性、季節(jié)性和區(qū)域性差異也增加了其開發(fā)難度[1]。目前,國內(nèi)外對發(fā)電功率的預(yù)測主要在風(fēng)力發(fā)電方面,然而海域環(huán)境變化多端,在功率預(yù)測方面面臨著許多困難,導(dǎo)致波浪能發(fā)電功率預(yù)測的發(fā)展程度遠(yuǎn)遠(yuǎn)不及風(fēng)電預(yù)測,且目前開發(fā)海洋波浪能主要依靠電磁發(fā)電機(jī),這種發(fā)電機(jī)的缺點(diǎn)是笨重、耗資巨大。
中國科學(xué)院外籍院士王中林領(lǐng)導(dǎo)的團(tuán)隊(duì)研制出質(zhì)量輕、效率高、成本低的摩擦納米發(fā)電機(jī)收集波浪能。摩擦納米發(fā)電機(jī)(Triboelectric nanogenerator,TENG)是基于自驅(qū)動納米技術(shù)并以接觸/摩擦起電和靜電感應(yīng)為基礎(chǔ)的微/納機(jī)電動力系統(tǒng)[2]。采用法向接觸-分離式TENG 結(jié)構(gòu)簡單,可靠性高,應(yīng)用領(lǐng)域廣泛[3]。組網(wǎng)利用后或可實(shí)現(xiàn)每平方千米海面產(chǎn)生兆瓦級電能。海洋發(fā)電產(chǎn)生的能源或?qū)⒊剿姷染G色能源。未來,TENG 將取代電磁發(fā)電機(jī)進(jìn)行發(fā)電,同時(shí)加入發(fā)電功率預(yù)測系統(tǒng),電網(wǎng)調(diào)度系統(tǒng)即可根據(jù)預(yù)測信息做出儲能或者釋能的決策,讓能源利用更高效。
預(yù)測系統(tǒng)設(shè)計(jì)如圖1 所示。本設(shè)計(jì)主要根據(jù)應(yīng)用于海上發(fā)電的TENG 裝置輸出功率受環(huán)境變化而提出一種功率預(yù)測模型。系統(tǒng)發(fā)電預(yù)測以時(shí)間尺度分類可分為短期預(yù)測(制定電網(wǎng)調(diào)度計(jì)劃)和超短期預(yù)測(瞬時(shí)功率變化信息)。輸入數(shù)據(jù)采用南海某海域的氣象站數(shù)據(jù),并采用長短期記憶網(wǎng)絡(luò)(LSTM)對環(huán)境因素進(jìn)行預(yù)測,誤差逆向傳播算法訓(xùn)練的神經(jīng)網(wǎng)絡(luò)(BP)對LSTM預(yù)測的氣候數(shù)據(jù)結(jié)合TENG 發(fā)電功率數(shù)據(jù)預(yù)測未來發(fā)電功率。
發(fā)電功率預(yù)測數(shù)據(jù)處理流程如圖2 所示。
圖1 預(yù)測系統(tǒng)設(shè)計(jì)框圖
圖2 發(fā)電功率預(yù)測數(shù)據(jù)處理流程圖
環(huán)境影響因素包括陽光照射強(qiáng)度、風(fēng)力、溫度、波浪參數(shù)變化等,這些因素的變化將直接或間接影響TENG 的發(fā)電功率,且一年內(nèi)、一天內(nèi),不同時(shí)間段的發(fā)電功率會有很大差異,因此,對環(huán)境因素訓(xùn)練預(yù)測的精準(zhǔn)性將影響最后的電網(wǎng)調(diào)度計(jì)劃,所以需要充分考慮各種預(yù)測模型的優(yōu)劣。
實(shí)驗(yàn)根據(jù)傳統(tǒng)波浪能發(fā)電機(jī)不同時(shí)段的發(fā)電功率,采用雙球型結(jié)構(gòu)TENG 在對應(yīng)時(shí)間段內(nèi)模擬發(fā)電,并將所得數(shù)據(jù)作為BP 網(wǎng)絡(luò)訓(xùn)練時(shí)所用到的發(fā)電功率數(shù)據(jù)[4]。
在訓(xùn)練數(shù)據(jù)前,需要將搜集到的氣象站[4]數(shù)據(jù)分別進(jìn)行歸一化處理,即把有量綱的表達(dá)式變換成無量綱表達(dá)式(標(biāo)量),目的是為了提高下一步的LSTM 模型訓(xùn)練收斂(迭代)速度,同時(shí)也提高模型算法的精度,因此,設(shè)計(jì)歸一化數(shù)據(jù)這一步驟很有必要。
實(shí)驗(yàn)借助Tensorflow 平臺進(jìn)行數(shù)據(jù)集訓(xùn)練。LSTM 稱為長短期記憶網(wǎng)絡(luò),其包括輸入、輸出、遺忘三個(gè)門,長記憶C 和短記憶h 兩個(gè)記憶。且由于RNN 神經(jīng)網(wǎng)絡(luò)不具備“記憶”功能,無法依據(jù)輸入預(yù)測輸出,所以在RNN 上加入同權(quán)重的神經(jīng)元,在RNN 基礎(chǔ)上增加了記憶單元和門控制單元。
LSTM 訓(xùn)練分為三個(gè)步驟:正向計(jì)算、損失值計(jì)算及反向計(jì)算。該過程把歸一化的氣象站數(shù)據(jù)進(jìn)行反復(fù)訓(xùn)練后得到氣候預(yù)測數(shù)據(jù),接下來把預(yù)測的氣候數(shù)據(jù)交給BP 網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到功率預(yù)測數(shù)據(jù)。
神經(jīng)網(wǎng)絡(luò)RNN 采用基于時(shí)間的逆向傳播進(jìn)行訓(xùn)練得出功率預(yù)測數(shù)據(jù),本質(zhì)上還是BP 算法。先將氣候預(yù)測數(shù)據(jù)和發(fā)電功率數(shù)據(jù)的訓(xùn)練集數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)的輸入層,經(jīng)過隱藏層,最后達(dá)到輸出層并輸出功率預(yù)測結(jié)果,該過程即為前向傳播過程,但由于神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果與實(shí)際結(jié)果有誤差,導(dǎo)致結(jié)果計(jì)算估計(jì)值與實(shí)際值之間出現(xiàn)誤差,所以將該誤差從輸出層向隱藏層逆向傳播,直至傳播到輸入層;在反向過程中,可根據(jù)誤差調(diào)整各種參數(shù)的值,使總損失函數(shù)減小,最后繼續(xù)對數(shù)據(jù)進(jìn)行以上反復(fù)訓(xùn)練,直到滿足停止準(zhǔn)則。
實(shí)驗(yàn)分別以時(shí)間為10 min 和300 min 的跨度進(jìn)行發(fā)電功率預(yù)測,預(yù)測結(jié)果如圖3、圖4 所示。
圖3 10 min 跨度功率預(yù)測
圖4 300 min 跨度功率預(yù)測
由圖3、圖4 得出,10 min 跨度的功率預(yù)測誤差較低,適用于實(shí)時(shí)監(jiān)測功率數(shù)據(jù);300 min 跨度的誤差稍大,適用于制定后期的電網(wǎng)調(diào)度計(jì)劃。綜上,時(shí)間尺度越長,得出的預(yù)測數(shù)據(jù)誤差越大。
在影響預(yù)測結(jié)果的因素中,除了摩擦起電材料對獲得的電壓有影響,實(shí)際測試中也還存在一些不確定因素會改變電壓,比如日照,即太陽加熱空氣時(shí)受緯度、地質(zhì)、水分的影響造成海域受熱不均,導(dǎo)致大氣壓力不同,形成風(fēng),并在風(fēng)的作用下,水面產(chǎn)生波浪,總結(jié)為太陽能-風(fēng)能-波浪能。所以當(dāng)TENG 投放地某日的日照條件較差時(shí),當(dāng)天的電壓測量值也會相應(yīng)下降,因此海洋波浪能的能量也需要考慮風(fēng)能,因?yàn)槠湟查g接來自于太陽能,所以光照強(qiáng)度、氣壓、溫度等也必須考慮。
時(shí)間跨度越大,發(fā)電功率預(yù)測結(jié)果的誤差也越大,實(shí)驗(yàn)中兩個(gè)時(shí)間跨度的預(yù)測值均小于實(shí)測數(shù)據(jù),即預(yù)測的功率低于實(shí)際功率。造成該誤差的原因一方面是天氣因素考慮不周全,另一方面是沒有考慮到波浪參數(shù)。
本文介紹了基于深度學(xué)習(xí)的摩擦納米發(fā)電機(jī)發(fā)電功率預(yù)測的過程,這是一項(xiàng)需要長期進(jìn)行測試調(diào)整的項(xiàng)目,成功實(shí)施的話,對中國的經(jīng)濟(jì)可持續(xù)發(fā)展有著重要價(jià)值和意義。在符合相關(guān)環(huán)境適用性及特殊地區(qū)管理要求的前提下,中國南海海域的溫度濕度等氣候環(huán)境特征,較適合開發(fā)含波浪能[4]。加入功率預(yù)測系統(tǒng),以方便TENG 控制系統(tǒng)和電網(wǎng)調(diào)度端合理安排運(yùn)行方式和應(yīng)對措施,提高電網(wǎng)的安全性和可靠性,符合可持續(xù)發(fā)展戰(zhàn)略。