基于RBF神经网络模型的风电机组短期风速预测研究

摘 要：

在电力市场中，风电所占电网的比例越来越大。但由于风的波动及其不可控性，风电场的发电量也在随机变化，风速是影响产能最直接最根本的因素，所以很有必要对其进行预测。本文采用RBF人工神经网络模型对未来短时间风速进行预测。通过对风速反复训练与检测来选择一组合适的模型参数，并对模型进行了误差分析。研究结果表明，使用RBF神经网络对未来风速进行短时间预测能够达到较好效果。

关坚词：风电机组；matlab；RBF神经网络；风速预测

1. 引言

开发与利用新能源是我国21世纪的重要能源战略。风能是一种“取之不尽，用之不竭”、环境友好的可持续性能源，已受到了越来越广泛的重视，并成为发展最快的新型能源。但是风电具有间歇性和随机性的固有缺点，随着我国风电并网容量快速增大，风速波动使得风力机组功率不稳定，给电力调度、风力机组维修带来了困难，因此预先一段时间进行风速的预测是很有意义的。风电场短期风速预测是解决该问题的有效途径之一。我国从20世纪90年代末开始了风速和风电功率预测研究，风电场风速预测误差在25%-40%。

本文选用径向基神经网络（即RBF神经网络），利用内蒙古某风电场2014年7月份每10分钟平均实测风速数据，建立神经网络模型，通过网络学习来预测风速。

2. 风速的变化特性

受气候背景、地形以及海陆分布等多种自然因素影响，风速在时间分布上具有不确定性和不连续性。然而，风速仍然具有很强的变化特性。一般情况下，每月平均风速的空间分布与造成风速的气候背景、地形以及海陆分布等有直接关系。以地处内蒙古的风场为例，风场海拔高度为1000-2000米，气候条件多为温带大陆性季风气候，风速在夏季（6月至9月）较小，在秋冬春季（10月至第二年5月）风速较大。因此对风速进行预测之前，要对风场风速变化特性有充分的考虑。

3. RBF神经网络构建

3.1 RBF神经网络

径向基神经网络（即RBF神经网络）由三层组成，输入层、隐含层和输出层，如图1所示。相比其他神经网络，RBF神经网络的训练时间更短，其对函数的逼近是最优的。

图1 RBF神经网络结构

RBF神经网络的学习算法需要求解的参数有3个：基函数的中心、方差以及隐含层到输出层的权值。根据径向基函数中心选取方法的不同，RBF神经网络有很多学习方法，如随机选取中心法、梯度训练法、有监督选取中心法和正交最小二乘法等。这里，选用自组织选取中心法作为RBF神经网络的学习方法。

自组织选取中心法由两个阶段组成：一是自组织学习阶段，此阶段为无导师学习过程，求解隐含层基函数的中心与方差；二是有导师学习阶段，此阶段求解隐含层到输出层之间的权值。

3.2 数据归一化

数据归一化是神经网络预测前对数据常用的一种处理方法。数据归一化处理把所有数据都转化为[0，1]之间的数，其目的是取消各维数据间数量级别差，避免因为输入输出数据数量级差别较大而造成神经网络预测误差较大。

本文中，应用多年统计的极限风速对风速数据进行归一化处理。

3.3RBF神經网络的构建

首先挑选几组数据风速作为样本，通过前n个时刻的风速值预测后n个时刻的风速值。可将每个样本的前n个风速值进行归一化处理，将处理后的数值作为RBF神经网络的输入；可将每个样本的后n个风速值进行归一化处理，将处理后的数值作为RBF神经网络的目标输出，通过对RBF神经网络的训练学习，实现从输入空间到输出空间的映射。

3.3 短期风速预测结果

将前10天的风速数据作为训练样本，对风机风速提前1小时进行预测。由于阵风、湍流等因素影响，使得该风机风速有突变性质，观察风速预测曲线需着重看其预测的趋势与误差情况。

由图2预测风速与实测风速比较可知，可以看到神经网络预测风速变化趋势与实际风速变化基本趋势一致，并且预测风速比实际风速变化平缓，当实际风速有突变时，预测风速突变的幅度要小一些。

图2 预测风速与实测风速比较

由图3预测风速误差曲线可以看出，神经网络在风速预测时，每点的预报误差不尽相同，这主要与实际测风装置的精度、早晚温差造成的风速变化以及当天天气变化情况等有关，从预测曲线的总体趋势以及误差值大小来看，该神经网络模型预测结果基本令人满意。

图3预测风速误差曲线

4. 结论

采用RBF神经网络进行预测，与传统BP神经网络相比精度更高、训练速度更快，更适用于在线预测的场合。但是由于所用训练数据为风速相对平稳时期的数据，所以该模型对于突变风速的处理能力仍然有限，为提高预测结果的精度，还需对模型进行进一步改进。总体而言，通过建立RBF神经网络模型，对短期风速进行预测，虽有一定局限性，但其预测精度满足工程要求。

参考文献：

[1] Tony Burton等.风能技术[M].北京：科学出版社，2007.

[2] 廖明夫.风力发电技术[M].西安：西北工业大学出版社，2009.

[3] 周品.MATLAB神经网络设计与应用[M].北京：清华大学出版社，2013

作者简介：周四平（1978.9-），男，工程师。