基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的風(fēng)電功率實(shí)時(shí)高精度預(yù)測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的風(fēng)電功率實(shí)時(shí)高精度預(yù)測方法， 屬于風(fēng)電技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 風(fēng)能是免費(fèi)的，所以人們希望由風(fēng)能產(chǎn)生的電能盡可能的被電網(wǎng)接受。然而，風(fēng)具 有隨機(jī)性和間歇性，它產(chǎn)生的可用電力供應(yīng)量是未知的，當(dāng)允許大量風(fēng)電并網(wǎng)時(shí)將給電力 系統(tǒng)帶來嚴(yán)峻的挑戰(zhàn)。風(fēng)電功率預(yù)測在應(yīng)對(duì)這些挑戰(zhàn)中扮演著重要角色。電力系統(tǒng)必須具 有強(qiáng)大的調(diào)度能力，以此處理由新增風(fēng)電機(jī)組帶來的功率波動(dòng)問題，從而實(shí)現(xiàn)風(fēng)電滲透率 的不斷提高。因此，在新能源發(fā)展白熱化的時(shí)期，短期風(fēng)電預(yù)測是非常重要的技術(shù)研宄，通 過對(duì)風(fēng)電場發(fā)電量進(jìn)行短期的精確預(yù)測，可以緩解電力系統(tǒng)調(diào)頻、調(diào)峰壓力，提高風(fēng)電接納 能力。風(fēng)電功率實(shí)時(shí)多步滾動(dòng)預(yù)報(bào)要求每15分鐘滾動(dòng)上報(bào)未來15分鐘至4小時(shí)的風(fēng)電功 率預(yù)測數(shù)據(jù)，這樣對(duì)于風(fēng)電功率實(shí)時(shí)預(yù)測，每天需要進(jìn)行96次預(yù)測，每次預(yù)報(bào)的數(shù)據(jù)量為 16個(gè)（即i = 16)。因此如何針對(duì)多步滾動(dòng)預(yù)測模式下風(fēng)電功率的實(shí)時(shí)高精度預(yù)測就成為 急需解決的技術(shù)難題。所以，通過數(shù)據(jù)采集及處理、建立多步滾動(dòng)預(yù)測模式、構(gòu)建基于自適 應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS)的風(fēng)電功率預(yù)測模型、并對(duì)預(yù)測精度進(jìn)行評(píng)價(jià)，發(fā)明一種基 于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的風(fēng)電功率實(shí)時(shí)高精度預(yù)測方法是必要的。

【發(fā)明內(nèi)容】

[0003] 為了克服多步滾動(dòng)預(yù)測模式下風(fēng)電功率的實(shí)時(shí)高精度預(yù)測的難題，本發(fā)明提供了 一種基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的風(fēng)電功率實(shí)時(shí)高精度預(yù)測方法，該基于自適應(yīng)神經(jīng)模 糊推理系統(tǒng)的風(fēng)電功率實(shí)時(shí)高精度預(yù)測方法首先設(shè)計(jì)實(shí)驗(yàn)方案，對(duì)數(shù)據(jù)進(jìn)行采集及處理， 建立多步滾動(dòng)預(yù)測模式，構(gòu)建基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS)的風(fēng)電功率預(yù)測模 型，最后對(duì)預(yù)測精度進(jìn)行評(píng)價(jià)，達(dá)到提供一種基于數(shù)據(jù)的（非直覺任意給定的）、具有自學(xué) 能力的、滿足實(shí)時(shí)預(yù)測精度要求的風(fēng)電功率多步滾動(dòng)實(shí)時(shí)預(yù)測方法的目的。
[0004] 基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的風(fēng)電功率實(shí)時(shí)高精度預(yù)測方法的技術(shù)方案包括 以下步驟：
[0005] (1)數(shù)據(jù)采集及處理
[0006] 采集風(fēng)電場各風(fēng)力機(jī)組每15分鐘間隔的實(shí)際風(fēng)電功率數(shù)據(jù)，針對(duì)多步滾動(dòng)預(yù)測 模式，將已知的歷史數(shù)據(jù)分為兩個(gè)部分，一部分作為訓(xùn)練集（分為輸入和輸出），另一部分 作為預(yù)測時(shí)的輸入數(shù)據(jù)；先對(duì)訓(xùn)練集中的輸入、輸出數(shù)據(jù)形成初始模糊推理系統(tǒng)，這個(gè)初始 模糊推理系統(tǒng)將輸入變量及輸入變量的隸屬度函數(shù)、模糊規(guī)則、輸出變量及輸出變量的隸 屬度函數(shù)等聯(lián)系起來。在形成初始模糊推理系統(tǒng)時(shí)，本發(fā)明采用減法聚類算法，可以有效地 避免人工設(shè)定結(jié)構(gòu)法產(chǎn)生的組合爆炸問題；基于此，借用神經(jīng)網(wǎng)絡(luò)中比較成熟的參數(shù)學(xué)習(xí) 算法（反向傳播算法或最小二乘法的反向傳播算法）對(duì)訓(xùn)練集中的輸入、輸出數(shù)據(jù)進(jìn)行學(xué) 習(xí)來調(diào)整模糊推理系統(tǒng)中變量的隸屬度函數(shù)的形狀參數(shù)，以使得這個(gè)模型能不斷的逼近給 定的訓(xùn)練集數(shù)據(jù)，最終形成具有數(shù)據(jù)學(xué)習(xí)調(diào)整能力的、可用來進(jìn)行預(yù)測的模糊推理系統(tǒng)。
[0007] (2)建立多步滾動(dòng)預(yù)測模式
[0008] 進(jìn)行風(fēng)電功率預(yù)測時(shí)，一般已知建模域所有時(shí)刻風(fēng)電功率的實(shí)際值P(t_n At)，n =0,1，2. . . N，因此建模域的歷史數(shù)據(jù)數(shù)量為N+1，需要預(yù)測的風(fēng)電功率為P (t+1 A t)，1 = 1，2. . . L，L為多步預(yù)測的步數(shù)，令+ 表示滾動(dòng)多步預(yù)測模式下的風(fēng)電功率預(yù)測值，在 滾動(dòng)多步預(yù)測方式下有：
[0010] 其中f代表所選預(yù)測方法對(duì)應(yīng)的映射關(guān)系。
[0011] (3)建立基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS)的風(fēng)電功率預(yù)測模型
[0012] 整個(gè)建模過程分5層進(jìn)行，用Ok,i表示第k層的第i個(gè)節(jié)點(diǎn)的輸出。
[0013] 第1層：此層中，每個(gè)節(jié)點(diǎn)i都是由節(jié)點(diǎn)函數(shù)表示的（該層參數(shù)是可變的）：
[0015] 其中：Xl (或x2)為節(jié)點(diǎn)i的輸入^ (或&_2)為與該節(jié)點(diǎn)函數(shù)值相關(guān)的語言量，如 "大"或"小"等。換句話說，〇i i是模糊集a(a = Ai，' Bi，氏）的隸屬度函數(shù)，通?？梢赃x 用高斯函數(shù)（本文所用）和鐘形函數(shù)等。
[0016] 第2層：該層的節(jié)點(diǎn)在說明書附圖的圖1中用n表示，將輸入信號(hào)相乘，其乘積為 模糊規(guī)則激勵(lì)強(qiáng)度wi，將其作為第2層的輸出：
[0017] Q2, ！= w != y Ai (xj yBi (x2)，i = 1，2 (3)
[0018] 第3層：該層的節(jié)點(diǎn)在圖中用N表示，此層進(jìn)行的是激勵(lì)強(qiáng)度歸一化處理，其輸出 為：
[0020] 第4層：該層每個(gè)節(jié)點(diǎn)均為自適應(yīng)節(jié)點(diǎn)，應(yīng)計(jì)算每條規(guī)則的貢獻(xiàn)，其輸出為：
[0021] 0Ai = wji =w, (pixi + qtx2 + rj) , i=l,2 (5)
[0022] 其中，Pi、qJP r通為結(jié)論參數(shù)。
[0023] 第5層：計(jì)算所有規(guī)則的最終輸出，即計(jì)算所有輸入信號(hào)的總輸出為：
[0025] 因此可以將建模域內(nèi)已知的風(fēng)電功率歷史數(shù)據(jù)作為ANFIS預(yù)測模型的輸入，從而 得到預(yù)測域的風(fēng)電功率預(yù)測值。
[0026] ANFIS預(yù)測模型集成了人工神經(jīng)網(wǎng)絡(luò)的自主學(xué)習(xí)能力和模糊推理的語言表達(dá)功 能，適于應(yīng)用在利用歷史數(shù)據(jù)來對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測的風(fēng)電功率短期預(yù)測領(lǐng)域，因此在進(jìn) 行風(fēng)電功率實(shí)時(shí)多步滾動(dòng)預(yù)測時(shí)能夠得到較高的預(yù)測精度。
[0027] (4)預(yù)測精度評(píng)價(jià)
[0028] 預(yù)測精度評(píng)價(jià)采用國家能源局在對(duì)現(xiàn)行風(fēng)電場風(fēng)電功率實(shí)時(shí)預(yù)測預(yù)報(bào)的管理規(guī) 定中，提出的指標(biāo)來進(jìn)行誤差評(píng)價(jià)，從而實(shí)現(xiàn)對(duì)預(yù)測結(jié)果的評(píng)價(jià)。指標(biāo)具體計(jì)算式如下：
[0029] 日平均預(yù)測計(jì)劃曲線準(zhǔn)確率r1:
[0032] 式中，rn為第i次實(shí)時(shí)預(yù)報(bào)的準(zhǔn)確率；4為第i次實(shí)時(shí)預(yù)報(bào)中第k時(shí)刻的風(fēng)電功 率實(shí)際值A(chǔ)為第i次實(shí)時(shí)預(yù)測中第k時(shí)刻的風(fēng)電功率預(yù)測值，Cap為風(fēng)電場的開機(jī)容量。
[0033] 日平均預(yù)測計(jì)劃曲線合格率r2:
[0038] 式中，r2i為第i次實(shí)時(shí)預(yù)測的合格率。
[0039] 全天預(yù)測結(jié)果均方根誤差r3:
[0041] 當(dāng)準(zhǔn)確率^、合格率1*2越大、全天預(yù)測結(jié)果均方根誤差r3越小時(shí)，預(yù)測精度越高。
[0042] 本發(fā)明基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的風(fēng)電功率實(shí)時(shí)高精度預(yù)測方法的有益效 果為：（1)ANFIS預(yù)測模型集成了人工神經(jīng)網(wǎng)絡(luò)的自主學(xué)習(xí)能力和模糊推理的語言表達(dá)功 能，ANFIS預(yù)測模型的預(yù)測結(jié)果非常接近真實(shí)值，適于應(yīng)用在利用歷史數(shù)據(jù)來對(duì)未來數(shù)據(jù) 進(jìn)行預(yù)測的風(fēng)電功率短期預(yù)測領(lǐng)域；（2)形成初始模糊系統(tǒng)結(jié)構(gòu)時(shí)采用的是減法聚類的方 法，有效的避免了人工設(shè)定結(jié)構(gòu)法產(chǎn)生的組合爆炸問題；（3)該方法的預(yù)測精度高，無論 是單臺(tái)機(jī)組還是整場機(jī)組，其準(zhǔn)確率、合格率均較高，全天預(yù)測結(jié)果均方根誤差也均低于 20%，符合要求，說明了 ANFIS預(yù)測模型的有效性，特別是整場267臺(tái)機(jī)組總風(fēng)電功率預(yù)測 結(jié)果評(píng)價(jià)指標(biāo)中的全天預(yù)測結(jié)果均方根誤差為7. 03%，遠(yuǎn)遠(yuǎn)低于國家能源局對(duì)風(fēng)電功率實(shí) 時(shí)預(yù)測精度的全天預(yù)測結(jié)果均方根誤差須低于20%的要求?；谧赃m應(yīng)神經(jīng)模糊推理系統(tǒng) 的風(fēng)電功率實(shí)時(shí)高精度預(yù)測方法預(yù)測結(jié)果非常接近真實(shí)值，預(yù)測結(jié)果有效，預(yù)測精度高，可 操作性強(qiáng)。
【附圖說明】
[0043] 圖1為基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的風(fēng)電功率實(shí)時(shí)高精度預(yù)測方法的ANFIS模 型結(jié)構(gòu)。
[0044] 圖2為基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的風(fēng)電功率實(shí)時(shí)高精度預(yù)測方法的預(yù)測方 法下向陽風(fēng)電場風(fēng)電功率預(yù)測曲線與實(shí)際的向陽風(fēng)電場輸出功率曲線和其他預(yù)測方法下 的預(yù)測曲線對(duì)比圖，圖中：標(biāo)注虛線曲線為ANFIS模型的預(yù)測輸出功率，實(shí)線曲線為實(shí)際輸 出功率，其中縱坐標(biāo)為輸出功率值，橫坐標(biāo)表示時(shí)間，其中每一個(gè)刻度表示15分鐘。
【具體實(shí)施方式】
[0045] 下面利用附圖和實(shí)施例對(duì)本發(fā)明的基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的風(fēng)電功率實(shí) 時(shí)高精度預(yù)測方法進(jìn)行詳細(xì)說明。
[0046] 實(shí)施例一
[0047] 本發(fā)明的基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的風(fēng)電功率實(shí)時(shí)高精度預(yù)測方法，其特征 在于，它包括以下步驟：
[0048] (1)數(shù)據(jù)采集及處理
[0049] 采集向陽風(fēng)電場2012年8月1日至8月30日，數(shù)據(jù)采樣間隔為15min的91號(hào)風(fēng) 電機(jī)組風(fēng)電功率和整場267