1、基于改进 模型的风电功率预测苏澈，钱驹李，陈益宁，张逸飞，肖汉（南京工程学院，江苏 南京 ）摘要：在新能源研究领域中，风电功率预测是重点内容之一，准确的数值和变化趋势预测能使调度人员合理安排机组启停，改变基荷厂和主调频厂的运行方式，实现最优低碳发展。基于深度学习理论，设计了一种基于 的融合神经网络模型，同时采用改进自编码器的数据预处理方法对数据进行降维。仿真结果表明，经过数据降维的融合模型的预测精度优于单一神经网络。关键词：神经网络；风电功率预测；数据降维；自编码器中图分类号：，（，）：，：；基金项目：南京工程学院大学生科技创新基金（编号 ）收稿日期：作者简介：苏澈（），研究方向为电力系统及其
2、自动化。引言随着经济的迅速发展，能源问题日益加剧。化石能源的急剧短缺推动了新能源的飞速发展，许多国家将新能源的开发和利用作为重点研究领域。作为新能源发展的重要板块，风电具有可再生、无污染的优点，受到了研究人员的广泛关注。但是风量不受人为控制，同时风电具有高度的不确定性、间歇性和随机性，这给电力系统的运行调度带来巨大的挑战。为了实现电力系统运行的经济性、安全性、稳定性，缓解区域调频、调峰压力，进一步提高风电功率预测精度势在必行。目前，风电功率预测主要分为物理模型预测和统计模型预测。物理模型预测需要结合当地地理信息、气象条件和云图信息等进行，需要的数据特征较多且过程繁琐，不适宜工程实际应用，因此在
3、工程上常用统计模型预测风电功率，即对功率时间序列变化趋势的预测。有了精确的预测数据，就能够合理安排机组启停以及基荷厂和主调频厂的运行方式，实现效益最大化、能源结构最优化。传统的时间序列预测方法有最小二乘法、支持向量机方法等。文献 通过引入最优觅食算法来优化支持向量机（）预测模型，用改进后的 模型进行预测，并将预测结果与 、模型进行对比，发现在相同的条件和参数下，该模型的评价指标要优于上述三种模型，表明 模型确实提高了风电功率预测精度和准确性。文献 设计了一种基于改进乌鸦搜索算法（）优化支持向量机（）的风电功率预测模型，在 算法的基础上引入高斯变异算子和差分变异策略，提出改进型乌鸦搜索算法，并将
4、之与 相结合，搭建 风电功率预测模型，仿真结果表明该模型在一定程度上提升了预测精度。作为传统处理非线性回归问题的常用工具，其结构和算法已经非常成熟，除非采用大量优化算法，否则很难达到良好的效果。然而，采用优化算法会带来局部最优化、寻优时间过长等问题，因此还需采用更加新颖的技术来解决预测精度问题。近年来，深度 学 习 技 术 在 图 像 识 别、自 然 语 言 处理、无人驾驶等领域得到了广泛应用，而其在时间序列回归上也具有一定的潜力。文献 提出了基于残差网电工技术新能源系统与设备 络和门控循环单元的风电功率预测模型，通过残差网络对长序列的特征提取能力和门控单元的筛选机制，能够精准感知风电场功率的
5、变化趋势，更好地获取数据的非时序特征，在某风电场数据下的仿真表明该模型拥有良好的预测精度。本文在上述研究的基础上考虑引入人工智能技术，提出 融合神经网络预测模型来实现对风电场功率的精准预测，同时采用改进自编码器（）对输入数据进行预处理，有效降低输入数据维度和迭代时间，实现轻量化预测，在保证预测精度的同时减少时间消耗。预测模型的建立 残差神经网络残差神经网络于 年由何凯明等人提出，是经典卷积神经网络的一种延伸扩展，通过创新性引入“快捷连接”的结构，可以使网络做到深度更深的同时参数更少，增强了非线性特征下的拟合能力，且精度更高，同时消除退化现象。残差神经网络由多个残差单元组成，其结构如图所示。图残
6、差神经网络结构其运算过程为：（，）（）式中，和分别为第（，）个残差块的输出和输入；和分别为第个残次结构的残差函数和相关参数。双向门控循环单元 是 的改进版本，其正反两层的门控循环单元基于双向流动的信息分别处理，即正向 感知历史周期内的信息，而反向 预测未来周期的信息，双向捕捉信息，在保留 速度快、结构简单的优点外，相比 预测精度有了较大提升。网络结构如图所示。图 网络结构 运算过程如下。（，）（）（，）（）（，）（）（）（）式中，为一个更新门；为时刻的输入向量；是隐藏状态，也是输出向量，包含前面时间的所有有效信息；为一个重置门，控制信息的丢失，和共同决定隐藏状态的输出。融合神经网络模型根据残差
7、神经网络和双向门控循环单元网络各自的特点可知二者具有互补性，残差神经网络的“快捷连接”思想如果运用到双向门控循环单元，就会使网络参数更加简洁，运算速度进一步提升，而 自身又具有信息双向流动的特点，因此可以将双向流动的信息同时加上快捷连接单元，并且可以加深网络层数以提升预测精度。设计的融合神经网络如图所示。由算例可知，该网络性能优于一般的 网络。图融合神经网络模型基于改进自编码器的数据预处理策略 自编码器自编码器（，）是一种无监督学习模型，通过对数据进行编码和解码学习数据特征。模型示意图如图所示。简而言之，学习的过程即可理解为一个恒等函数，这个函数包含编码器和解码器，学习目标是使模型的输出值等于
8、或者尽可能地接近于模型的输入值。在一个自编码器中，由于只有无标签数据，因此将输入信息输入到一个编码器，就会得到一个底层编码，之图自编码器结构新能源系统与设备电工技术后再通过一个解码器，就会得到一个输出编码。通过不断地反向传播来最小化输入信息和输出信息的误差进而对模型进行训练，使得输入和输出一样。由于中间层的底层编码能够通过解码器无损地反编码出输入信息，因此底层编码是一个包含输入信息所有特征信息且维数较小的输入信息的另外一个表示，进而达到提取输入信息特征的目的。自编码器的训练过程分为编码过程和解码过程：（）（）d（）（）式中，、分别为编码权重和解码偏重；为偏置；为激活函数，常用的有 、等；为隐藏
9、向量；为 输 出 向 量。损 失 函 数 采 用 每 次 训 练 的 均 方误差。改进自编码器的数据预处理方法鉴于自编码器的压缩编码特性，可以将其结构加以改进，用于数据预处理，处理过程如下。（）将原始数据进行去噪声处理，变成高维度、低噪声的数据后输入改进自编码器中。（）编码器进行数据压缩，但同时增加了数据的噪声。（）将解码器结构改为全连接层，即可进一步进行去噪声处理。算例分析 算例基本情况为了验证本文提出模型的有效性，引入江苏某风电场真实功率数据作为分析对象。模型均采用 公司旗下深度学习框架 构建，编写的语言为 ；所用计算机配置为 （）（），内存为 。预测模型精度分析融合模型的效果如图所示，融
10、合神经网络对长时间序列的感知能力极佳，拟合效果良好，而且对数据波动也非常敏感，预测功率变化趋势基本相同，其中阴影为 置信区间，由此能够发现很多预测值的可信度均在 以上。图 融合模型预测效果 融合模型和其他模型精度对比在同样的数据条件下，以 、作为误差评价指标，各数据集的量化误差分析见表。由此可以看出，在该数据集上 的预测误差要低于 和 。这是由于 融合神经网络具有更强大的拟合能力以及对长时间序列的感知跟踪能力，而 和 受限于结构，会造成信息丢失或异常，对海量数据的处理能力欠佳。表 不同模型的误差量化结果对比类型 数据预处理方法分析模型未经预处理和经预处理后的误差变化趋势如图所示。由此可以看出在
11、未经预处理时，数据维度过高导致预测模型无法收敛，而误差一直在高位震荡；经过降维处理后，误差很快下降至零附近，这表明该种数据预处理方法有比较良好的降维效果。图预处理前后的迭代次数和误差的关系结语本文提出了一种基于 融合神经网络的风电功率预测模型，同时采用改进自编码器的数据预处理方法对数据进行降维。利用江苏某风电场数据集进行仿真，结果表明该融合模型显著提高了预测的精度。参考文献 ，：董兴辉，张鑫淼，张光，等基于云模型的风电机组输出功率特性分析 机械工程学报，（）：刘申，褚晓东，张文 基于气象测量场的爬坡时段区域风功率预测 电力系统自动化，（）：刘文斌，谢丽蓉，张革荣基于 的风电功率短期预测现代电子
12、技术，（）：王永翔，陈国初 基于改进鱼群优化支持向量机的短期风电功率预测电测与仪表，（）：谢波，高建宇，张惠娟，等 短期风电功率预测中的 算法实现 电子测量技术，（）：李国全，高建宇，白天宇，等基于 与改进型乌鸦搜索算法的风电功率预测方法 国外电子测量技术，（下转第 页）电工技术新能源系统与设备损、缺失、沉降（项），通道积水或排水不畅（项），各类施工（项），抱箍缺失（项），支架锈蚀、松动、破损、缺失（项），防火封堵等措施不到位（项），地下水位过高（项），终端杆塔临近树木，违章建筑等（项），隧道照明、通风、排水等系统故障（项），电缆登杆保护管缺失（项），通道塌陷、土基松动下沉（项），接地线缺失或
13、破损（项）。具体故障比例如图所示。表 月电缆线路缺陷按电压统计表电压等级 缺陷次数（回次）占比 合计 图 月电缆设备缺陷按部位统计 年月，该公司共开展红外测温 次，接地电流检测 次，高频、超高频、超声波等带电局放检测 次，振荡波局放检测 次。山西发现起 相间温差异常缺陷（已消缺），上海发现起 电缆终端头发热缺陷（正安排消缺）。从以上情况可以看出，建设施工仍是电缆线路故障的主要原因，暴露出部分单位外力破坏防护工作力度不足；警告标识缺失、通道积水或排水不畅、井盖破损缺失沉降等电缆通道类缺陷较为突出，通道隐患排查治理工作仍需进一步深入开展。为此，下一步需全面组织做好秋检和迎峰度冬准备工作。一是统筹做
14、好配网秋检组织工作，强化停电计划刚性管理，规范现场标准化作业流程和组织保障措施，强化现场作业风险和检修质量管控。二是针对电缆线路冬季运行特点提早准备，切实做好通道防火、设备防冻、红外测温、负荷监控等工作，重点加强对电缆线路外部环境和设备薄弱环节的隐患排查整改。三是组织制定电缆专业春节保供电方案，提前做好春节保电应急抢修的准备工作，落实抢修队伍、装备、备品备件安排。参考文献 张鹏飞，麻常辉，李威，等 年欧洲电网两次解列事故分析及对中国电网安全的思考 电力系统自动化，（）：张伟亮，张辉，支娜，等环形直流微电网故障分析与保护 电力系统自动化，（）：刘晓梅 企业电网安全事故案例分析及防范措施 电气时代
15、，（）：叶桄企业电网安全事故案例分析及对策建议电气时代，（）：吴江莉 电力线路断线引起的地区小电网系统孤网运行崩溃事故分析 水利科技，（）：崔文祥，令狐冰波含分布式电源的城市电网故障分析方法研究通信电源技术，（）：马子钦，廖凯，杨健维 含分布式电源的城市电网故障分析方法研究 四川电力技术，（）：孙晓龙，王雄飞一起 断路器爆炸事故分析与变电站运维工作提升建议农村电气化，（）：欧昌岑，岑冬梅电力事故根本原因分析模型设计与应用中国电力企业管理，（）：廖彬强试析事故树分析在大型电力事故（事件）调查中的应用低碳世界，（）：王春国变电运行事故分析与处理橡塑技术与装备，（）：郑熙业电力事故事件原因分析模型的
16、研究与应用广西电力，（）：，萧镜辉，梁伟民，吕涛，等事故树分析在大型电力事故（事件）调查中的应用电气技术，（）：裴立铭，李婷电网事故分析及处理民营科技，（）：，毛平电力事故原因分析及应对措施中国新技术新产品，（）：薛蛟，史明丽，魏秀泉电力安全事故成因分析中小企业管理与科技（上旬刊），（）：王开碧，申晓留，李哲，等电力企业安全生产风险管理方法的研究黑龙江电力，（）：俞生电网事故分析及防范措施广西电业，（）：杨显诚 论电力事故原因的分析方法 云南电力技术，（）：王丁生电力事故统计分析管理系统的设计与应用水利电力劳动保护，（）：（上接第 页）（）：项航，王新居，李强，等 基于神经网络的风电功率预测与模型优化方法电气开关，（）：，：，：系统解决方案电工技术