新能源風(fēng)光發(fā)電功率預(yù)測模型分析

孔宏鑫

（浙江溫嶺東海塘風(fēng)力發(fā)電有限公司，浙江溫嶺，317500）

0 引言

隨著當(dāng)前全球氣候變暖以及傳統(tǒng)能源應(yīng)用過程中所帶來的一系列問題日漸嚴(yán)重，人們開始尋找能夠代替?zhèn)鹘y(tǒng)能源的新型能源，而風(fēng)能發(fā)電與光伏發(fā)電作為清潔的可再生能源因其優(yōu)秀的特點(diǎn)而得到了各個(gè)國家地區(qū)的青睞，從而得到了大力的開發(fā)以及利用。

風(fēng)能在全球已探明的蘊(yùn)含量大約有2.74×109MW，而其中能夠被有效利用的風(fēng)能則大約占總風(fēng)能的0.74%[1]。自各個(gè)國家地區(qū)加大對于風(fēng)能的開發(fā)利用后，全球的風(fēng)力發(fā)電總量至2010年已達(dá)1.6×105MW，而隨著風(fēng)能發(fā)電技術(shù)的日漸成熟以及各國之間環(huán)保意識的加強(qiáng)，風(fēng)力發(fā)電將在商業(yè)競爭力方面極大地超過傳統(tǒng)的發(fā)電模式。除風(fēng)能發(fā)電以外，光伏發(fā)電以其靈活環(huán)保的特性而在當(dāng)前全球能源應(yīng)用行列中逐漸發(fā)揮非常重要的作用[2]?；陲L(fēng)力發(fā)電以及光伏發(fā)電的特點(diǎn)以及未來的發(fā)展趨勢，為了彌補(bǔ)其單獨(dú)應(yīng)用過程中存在的不足，有效結(jié)合二者優(yōu)點(diǎn)的風(fēng)光發(fā)電系統(tǒng)逐漸開始推廣，但是在實(shí)際應(yīng)用過程中，其仍存在著一些問題需要解決?；诖耍疚慕Y(jié)合風(fēng)能發(fā)電以及光伏發(fā)電的特性來對基于RBF神經(jīng)網(wǎng)絡(luò)的風(fēng)光發(fā)電功率預(yù)測模型進(jìn)行分析，從而為其應(yīng)用過程中所存問題的優(yōu)化解決提供思路。

1 風(fēng)力發(fā)電的統(tǒng)計(jì)規(guī)律研究

風(fēng)力發(fā)電過程中，其主要受到風(fēng)速以及風(fēng)向的影響，因此本節(jié)分別對風(fēng)速以及風(fēng)向的統(tǒng)計(jì)規(guī)律進(jìn)行簡單介紹。

風(fēng)速主要是指單位時(shí)間內(nèi)空氣在水平方向上移動的距離，不同的時(shí)間長度下風(fēng)速具有不同的變化規(guī)律，而造成這種變化規(guī)律差異化的原因主要是不同的地形地貌、海陸分布差異以及不同的季度氣候影響[3]。以我國為例，我國一般春季風(fēng)速較大，而夏季風(fēng)速卻相對較小。除了不同季度背景下風(fēng)速不同外，一天內(nèi)白天與晚上的風(fēng)速也并不相同，通常情況下白天風(fēng)速較大，而凌晨與晚上的風(fēng)速則最小，其分界點(diǎn)一般為下午的六點(diǎn)至七點(diǎn)之間。

風(fēng)向主要是指風(fēng)吹來的方向，其通常由十六個(gè)方位來進(jìn)行表示，同時(shí)為了能夠便于統(tǒng)計(jì)以及表述，人們也常用角度來表示，例如以正北為標(biāo)點(diǎn)，順時(shí)針方向依次為90°東風(fēng)、180°南風(fēng)、270°西風(fēng)以及360°北風(fēng)。

2 光伏發(fā)電的統(tǒng)計(jì)規(guī)律研究

本文主要通過對光伏發(fā)電系統(tǒng)的發(fā)電原理進(jìn)行簡要介紹來對光伏發(fā)電的統(tǒng)計(jì)規(guī)律進(jìn)行研究。光伏發(fā)電主要是通過太陽能電池來將太陽能直接轉(zhuǎn)換為電能，因此其系統(tǒng)主要由太陽能電池、逆變器、控制器以及蓄電池等部件構(gòu)成。當(dāng)前所用的太陽能電池主要是利用光伏效應(yīng)來將太陽光能轉(zhuǎn)換成為電能，而由于半導(dǎo)體P-N結(jié)的光伏效應(yīng)比其他材質(zhì)結(jié)構(gòu)的光伏效應(yīng)更加明顯，故當(dāng)前常用的太陽能電池皆由半導(dǎo)體制成，其工作原理為：當(dāng)P-N結(jié)上的P型硅與N型硅結(jié)合時(shí)，N型區(qū)的電子會迅速擴(kuò)散至P型區(qū)，而P型區(qū)的空穴則會迅速擴(kuò)散至N型區(qū)，此時(shí)P型硅帶負(fù)電，N型硅帶正電，半導(dǎo)體硅的內(nèi)部便會形成電場。當(dāng)太陽光照射在半導(dǎo)體上時(shí)其內(nèi)部會形成新的空穴-電子對，同時(shí)在P-N結(jié)電場作用下，半導(dǎo)體硅內(nèi)部的電子便會由P型區(qū)轉(zhuǎn)移至N型區(qū)，接通電路后，便會形成電流。但是，只要在空穴與電子結(jié)合前利用電場作用將其進(jìn)行分離，便能夠產(chǎn)生可測試電壓[4]。

3 基于RBF神經(jīng)網(wǎng)絡(luò)的風(fēng)光發(fā)電功率預(yù)測模型

為了能夠有效發(fā)揮風(fēng)力發(fā)電以及光伏發(fā)電的優(yōu)點(diǎn)，并且最大限度避免當(dāng)前風(fēng)光發(fā)電系統(tǒng)應(yīng)用過程中所存在的包括預(yù)測難度大以及難以有效控制等在內(nèi)的問題，本文對當(dāng)前應(yīng)用較為廣泛的基于RBF神經(jīng)網(wǎng)絡(luò)的風(fēng)光發(fā)電功率預(yù)測模型進(jìn)行分析，以期實(shí)現(xiàn)對風(fēng)力以及光伏發(fā)電功率準(zhǔn)確合理的預(yù)測。

3.1 RBF神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)

RBF神經(jīng)網(wǎng)絡(luò)作為一種前向神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)往往與多層前向型網(wǎng)絡(luò)相類似，即主要由輸入層、隱含層以及輸出層組成。其輸入層一般由信號源節(jié)點(diǎn)構(gòu)成，隱含層內(nèi)神經(jīng)元的徑向基函數(shù)與以往的全局響應(yīng)函數(shù)不同，是一種中心點(diǎn)徑對稱且衰減的局部響應(yīng)函數(shù)，而輸入層作為RBF神經(jīng)網(wǎng)絡(luò)的第三層，主要負(fù)責(zé)對輸入層下的輸入模式進(jìn)行響應(yīng)[5]。

通常情況下RBF神經(jīng)網(wǎng)絡(luò)的函數(shù)傳遞模式有兩種，分別是徑向?qū)ΨQ函數(shù)和高斯函數(shù)，徑向?qū)ΨQ函數(shù)的關(guān)系表達(dá)式如下所示：

但是在實(shí)際應(yīng)用期間，上述函數(shù)關(guān)系式的頻率不高，而高斯函數(shù)的應(yīng)用幾率最大。高斯函數(shù)的關(guān)系表達(dá)式如下所示：

在公式中，ci表示第i個(gè)基函數(shù)中心，n維輸入向量由x表示，在函數(shù)關(guān)系式中，n維輸入向量和第i個(gè)基函數(shù)中心的向量的維數(shù)相同。σi在函數(shù)關(guān)系時(shí)中表示感知變量，其結(jié)果對基函數(shù)圍繞中心點(diǎn)的寬度值有著決定性影響。隱藏層節(jié)點(diǎn)數(shù)又被稱作為感知單元個(gè)數(shù)，在公式中由n表示。表示兩者之間的距離大小。在ci位置，Ri(x)具有唯一性，且是最大取值，但是當(dāng)x和ci兩者之間的距離增加時(shí)，Ri(x)將會隨之下降，直至結(jié)果為0。若是輸入值確定，想要激活，就只能憑借臨近與n維輸入向量的一小部分。

研究RBF神經(jīng)網(wǎng)絡(luò)期間，傳遞函數(shù)若是選擇應(yīng)用高斯函數(shù)，那么隱藏層將會實(shí)現(xiàn)從X到Ri(X)的非線性映射，輸入層將會實(shí)現(xiàn)由Ri(X) 到y(tǒng)k的線性映射。在此假設(shè)輸入層的輸入為 ：X=（x1，x2，x3，……，xn），輸出層的輸出為 ：Y（y1，y2，y3，……，yp），那么此時(shí)輸出層的第k個(gè)神經(jīng)元網(wǎng)絡(luò)的輸出結(jié)果關(guān)系表達(dá)式如下所示：

公式中，輸出層節(jié)點(diǎn)為p，輸入層節(jié)點(diǎn)數(shù)為n，隱藏層節(jié)點(diǎn)數(shù)為m，在隱藏層當(dāng)中的第i個(gè)和第k個(gè)神經(jīng)元進(jìn)行連接是，其權(quán)值表示為ωik。所以，當(dāng)明確連接權(quán)值和聚類中心以后，可以對輸入的RBF神經(jīng)網(wǎng)絡(luò)所對應(yīng)的輸出值進(jìn)行計(jì)算。

3.2 模型樣本的歸一化處理

為了對風(fēng)光發(fā)電功率進(jìn)行有效的預(yù)測，需要在預(yù)測過程中采集一定量的樣本來進(jìn)行分析，但是由于相關(guān)樣本指標(biāo)分量的單位并不相同，往往會導(dǎo)致預(yù)測數(shù)值具有相對較大的差異化，因此需要對指標(biāo)分量進(jìn)行歸一化處理，從而有效降低數(shù)值差異化對預(yù)測結(jié)果的影響，其主要包括風(fēng)向以及溫度的歸一化處理。

由于風(fēng)向的度數(shù)主要以360°圓周作為參考基準(zhǔn)，因此通常將正北方向確定為0°，然后取風(fēng)向的余弦值和正弦值來作為風(fēng)向的歸一化數(shù)值[6]。而溫度的歸一化過程為了保證數(shù)值的準(zhǔn)確性，通常利用如下公式進(jìn)行歸一化：

其中T為溫度值，f(T)為溫度歸一化處理后的數(shù)值。

3.3 基于Matlab構(gòu)建RBF神經(jīng)網(wǎng)絡(luò)模型

Matlab主要功能是處理圖形圖像和信號、進(jìn)行數(shù)學(xué)矩陣運(yùn)算和各類數(shù)據(jù)分析的數(shù)學(xué)軟件，利用Matlab軟件，可以為新能源風(fēng)光發(fā)電功率預(yù)測模型構(gòu)建所需要的數(shù)據(jù)分析提供幫助。在Matlab軟件的工具箱中，其所提供的radbas函數(shù)為徑向基傳遞函數(shù)，通過利用該函數(shù)值可以將神經(jīng)元輸出，在輸入時(shí)，其內(nèi)容主要為權(quán)值矢量和輸入矢量兩者距離之和，再與閾值相乘得到的結(jié)果。Matlab軟件工具箱中的newrb函數(shù)為徑向基設(shè)計(jì)函數(shù)，在對函數(shù)進(jìn)行調(diào)用的時(shí)候，其調(diào)取程序?yàn)閚et=newrb（P,T,goal,spread,MN,DF）。在逼近函數(shù)時(shí)選擇應(yīng)用徑向基函數(shù)網(wǎng)絡(luò)，此時(shí)newrb每發(fā)生一次迭代，將會使得徑向基網(wǎng)絡(luò)隱藏層神經(jīng)元增加，直至神經(jīng)元的數(shù)量達(dá)到最大值，或者是符合均方誤差。例如，在一個(gè)具有10個(gè)隱藏層神經(jīng)元的網(wǎng)絡(luò)模型設(shè)計(jì)期間，其調(diào)取程序如下：

RBF神經(jīng)網(wǎng)絡(luò)在Matlab中，通過使用函數(shù)sim()實(shí)現(xiàn)仿真處理，在函數(shù)調(diào)用的時(shí)候，其調(diào)用程序?yàn)閇Y,Pf,Af,E,perf]=sim(net,P,Pi,Ai,T)。

3.4 RBF神經(jīng)網(wǎng)絡(luò)的層次設(shè)計(jì)

基于RBF神經(jīng)網(wǎng)絡(luò)的風(fēng)光發(fā)電功率預(yù)測模型的層次設(shè)計(jì)主要包括三方面，即輸入量的選擇、隱含層節(jié)點(diǎn)的確定以及輸出層節(jié)點(diǎn)的確定。由于風(fēng)力發(fā)電功率往往受到風(fēng)力、風(fēng)向以及溫度的影響，而光伏發(fā)電功率主要受光照強(qiáng)度、天氣類型以及溫度的影響，因此該模型的數(shù)量需要選擇對模型預(yù)測值影響較大，但是不同輸入量之間影響卻相對較小的數(shù)據(jù)，例如光伏發(fā)電功率預(yù)測模型只需將光照強(qiáng)度和溫度作為輸入量即可。

RBF神經(jīng)網(wǎng)絡(luò)中隱含節(jié)點(diǎn)的確定關(guān)系到其網(wǎng)絡(luò)性能是否可以滿足實(shí)際需求，以往所采用的使隱含層內(nèi)神經(jīng)元數(shù)目與輸入向量的元素?cái)?shù)目保持一致的處理方法并不可靠，因此經(jīng)過分析選定風(fēng)力發(fā)電功率預(yù)測模型的隱含層的節(jié)點(diǎn)數(shù)目為12，而光伏發(fā)電功率預(yù)測模型的隱含層節(jié)點(diǎn)數(shù)目為9。

而對于輸入層節(jié)點(diǎn)的確定而言，為了保證預(yù)測結(jié)果的準(zhǔn)確合理，風(fēng)光發(fā)電功率預(yù)測模型的輸出通常選定為風(fēng)力發(fā)電與光伏發(fā)電二者的預(yù)測時(shí)間節(jié)點(diǎn)的實(shí)際功率值。

3.5 預(yù)測結(jié)果分析

按照使用的目的不同劃分?jǐn)?shù)據(jù)樣本類型，一類為測試模型用數(shù)據(jù)，一類為訓(xùn)練模型用數(shù)據(jù)。獲取某地區(qū)24h之內(nèi)的風(fēng)速、風(fēng)向、大氣平均溫度值、天氣情況以及太陽輻射強(qiáng)度等信息。根據(jù)需求構(gòu)建模型，可以顯著提升預(yù)測精準(zhǔn)度。

圖1 風(fēng)力發(fā)電功率對比圖

4 結(jié)語

新能源的開發(fā)以及廣泛利用是當(dāng)前為了有效解決傳統(tǒng)能源的存儲量逐漸枯竭以及其所帶來的的一系列的污染問題而提出的新的能源方案，其能夠有效滿足資源可持續(xù)發(fā)展的需求。而風(fēng)光發(fā)電由于其自身所具備的優(yōu)良特性而逐漸在新能源發(fā)展過程中占據(jù)了重要的地位，但是風(fēng)光發(fā)電在實(shí)際應(yīng)用過程中存在著預(yù)測難度較大以及資源調(diào)度困難等問題，需要對發(fā)電功率進(jìn)行有效預(yù)測。因此本文對風(fēng)光發(fā)電進(jìn)行了簡單介紹，同時(shí)也就基于RBF神經(jīng)網(wǎng)絡(luò)的新能源風(fēng)光發(fā)電功率預(yù)測模型進(jìn)行了敘述分析，從而可以為當(dāng)前風(fēng)光發(fā)電的電力調(diào)度以及與其相關(guān)的各類工作安排提供合理的決策支持。