RBF-NN与BP-NN比较的风功率预测模型研究

赵世磊，孙振，鲍铁柱，李强，张军，李业顺，郭路宣，张永茂，赵晓东

(淄博供电公司，山东 淄博 255000)



RBF-NN与BP-NN比较的风功率预测模型研究

赵世磊，孙振，鲍铁柱，李强，张军，李业顺，郭路宣，张永茂，赵晓东

(淄博供电公司，山东 淄博 255000)

风电场输出功率预测对接入大量风电的电力系统运行有重要意义。本文探讨了RBF神经网络和BP神经网络两种训练方法。以中国北方某风电场的实际数据以及数值天气预报数据为依据，对RBF神经网络模型和BP神经网络模型进行了验证，最终研究并比较二者在风功率预测方面的差异。结果表明：对于风电场短期功率预测，RBF神经网络模型预测精度要好于BP神经网络模型，预测精度较高，且收敛速度较快，能够较好的拟合实际功率曲线。

风电场；功率预测；BP神经网络；RBF神经网络

引言

随着温室效应和化石燃料等一次性能源的日益枯竭，可再生能源的利用在世界范围内受到普遍的重视。风能作为一种清洁、可再生的能源，具有很大的发展前景[1]。但中国的风电事业，在自动控制和设备制造方面，尤其在风功率预测领域受制于国外技术的垄断。近年来，中国的风电事业增长迅速，风电装机容量比例也在逐年增大，但由于风的高度波动性和间歇性，大容量风电接入电网对电力供需平衡以及电网的安全带来极大的考验。为解决以上问题，风功率预测技术应运而生。研究表明，将短期功率预测技术应用到风电场输出功率中，对于提高电网安全经济运行，优化市场接入量，提高电网网架结构等具有重要意义[2]。

本文以北方某风电场的实际数据以及数值天气预报数据为依据，采用基于K-均值聚类方法的径向基函数(Radial Basis Function,RBF)神经网络方法对未来某段时间内的风电场输出功率做预测，并与BP神经网络方法做比较，结果分析表明，RBF神经网络方法得到的预测结果更令人满意。

1　BP神经网络结构与原理

BP神经网络是指基于误差反向传播算法的多层前向神经网络，能够进行自适应学习[3]，且以任意精度无限逼近所建立的非线性映射；对于未知的信息具有较强的学习能力，同时对于未知问题所建立的学习模型具有很好的鲁棒性，对于处理复杂问题方面具有较强的优势。

BP神经网络的算法步骤。首先要选定合适的BP网络模型，然后向选定的网络中导入输入向量以及实际的输出向量，建立样本集进行训练，在对样本的训练过程中，要将该选定网络的各个输出值计算出来，其中包括隐含层和输出层各个神经元的输出值，在计算出输出值之后，将预测输出值与实际的输出值作对比，获得输出层和隐含层的误差，根据误差来对网络的阀值和权值进行调整，直到误差小于期望值，则结束训练。

2　RBF网络模型

RBF神经网络属于前向型神经网络，一般由输入层、隐含层和输出层三层神经网络构成。其中输入层仅仅起到传输信号的作用。隐含层是对激活函数的参数进行调整，其中激活函数大部分采用高斯函数，利用非线性优化策略对参数进行调整。输出层是对线性权进行调整，一般采用线性优化策略[4]。

3　基于实际算例的两种模型预测比较分析

3.1样本数据的选取

本文选取北方某风电场的6个月的出力数据以及对应时刻的天气预报数据(包括风速、风向、温度、湿度等数据)，选取其中的风速、风向、温度数据作为网络的输入数据，对应的功率数据作为输出，以此来分别建立BP、RBF神经网络模型，使用前5个月数据作为样本数据，后一个月某一天数据作为预测样本，对两种方法预测结果进行比较。

3.2样本数据的预处理

由于本文输入数据中有多个输入参数，且每个输入数据的量纲不一样，数量级也不相同，同时系统又非线性，若直接使用会导致学习速度慢，甚至于不收敛，因此需要对样本数据进行归一化处理。本文将输入数据映射到[0.1,0.9]之间，训练结束后，将输出结果反归一化，则可得到真实数据。

3.3预测精度评价指标

为了定量地判断模型的有效性，采用均方根误差(RMSE)和平均绝对百分误差(MAE)来分析预测结果。

两种模型的预测误差对比：

模型类别MAE/%RMSE/%BP16.42%16.91%RBF12.42%7.5%

3.4结果分析

根据前面所建立的模型，对风电场输出功率进行预测。在训练过程中，RBF神经网络模型训练速度明显比BP神经网络速度快，说明RBF神经网络模型更易于收敛，而且从误差表中可以看出，应用RBF神经网络模型预测的精度明显好于BP神经网络模型。综合二者比较，RBF神经网络模型比BP神经网络模型更适合做风电场输出功率预测。

[1]雷亚洲.与风电并网相关的研究课题.电力系统自动化,2003,27(8):84-89.

[2]刘永前，胡爽，胡永生.风电场处理短期预报研究综述[J].现代电力，2007,24(5)：5-11.

[3]Simon Haykin．叶世伟，史忠植译．神经网络原理[M]．北京：机械工业出版社,2004:109-121.

[4]张德丰．MAll，AB神经网络应用设计[M]．北京：机械工业出版社,2009．

赵世磊(1989—)，男，汉族，山东淄博人，研究生，淄博供电公司，配电运检。

KT8

A

1671-1602(2016)18-0005-01