專利名稱：用于風電場功率預(yù)測模型的正弦歸一化方法
技術(shù)領(lǐng)域：
本發(fā)明屬于風電功率預(yù)測領(lǐng)域，尤其涉及用于風電場功率預(yù)測模型的正弦歸一化方法。
背景技術(shù)：
近幾年風電快速發(fā)展，大規(guī)模并網(wǎng)給電力系統(tǒng)調(diào)度運行帶來了巨大的挑戰(zhàn)，風電功率預(yù)測是提高電力系統(tǒng)調(diào)峰調(diào)頻能力與電網(wǎng)對風電接納能力的有效手段之一。風電功率預(yù)測就是建立影響功率輸入的參量與輸出功率值之間的映射關(guān)系。神經(jīng)網(wǎng)絡(luò)模型以其較強的泛化能力、非線性映射能力和容錯性，廣泛應(yīng)用在功率預(yù)測領(lǐng)域。神經(jīng)網(wǎng)絡(luò)模型的建立是一個動態(tài)的學(xué)習(xí)過程，稱之為“訓(xùn)練”，這一過程需要大量的歷史數(shù)據(jù)支持，根據(jù)實際輸出值 與期望輸出值的差值來修正權(quán)值，使網(wǎng)絡(luò)能夠存儲記憶數(shù)據(jù)信息?！坝?xùn)練”過程中并不直接利用歷史數(shù)據(jù)，而是將原有數(shù)據(jù)映射到一個較小的區(qū)間上面，一般是O到I的區(qū)間，這個過程叫做歸一化。歸一化是數(shù)據(jù)預(yù)處理的有效方法之一。采用歸一化方法主要有三個原因第一，BP神經(jīng)網(wǎng)絡(luò)功率預(yù)測模型輸入變量為影響功率的各個物理量，一般為風速、風向、氣壓、溫度、濕度等，由于量綱的不同，其量值不同，為了平等的使用具有不同量綱的變量，必須對輸入數(shù)據(jù)進行歸一化。第二，神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)基本采用sigmoid函數(shù)，函數(shù)的曲線如圖I所示，過大的輸入量值會使函數(shù)輸出處于“飽和”狀態(tài)，即輸入的量值之間的差異不再敏感，歸一化使輸入量值規(guī)范在一個比較小的范圍內(nèi)，從而使函數(shù)輸出比較“活躍”。第三，期望功率輸出值與實際功率輸出值的差異直接決定了權(quán)值的修正，如果不進行歸一化，較小的輸出不能夠?qū)?quán)值進行充分修正，這樣會使功率預(yù)測值偏高。所以對輸入輸出量都要進行歸一化處理?，F(xiàn)有的歸一化方法主要是線性歸一化方法，其歸一化公式如下
- Z 二 ZjhuiJ —
V~ V *
J max y min其中y為原變量，y為歸一化后的變量，ymax為原變量所有樣本中最大值，Ymin為原變量所有樣本中最小值。對于輸入變量，線性歸一化既規(guī)范了輸入量的量值，又使傳遞函數(shù)處于活躍狀態(tài)，對神經(jīng)網(wǎng)絡(luò)訓(xùn)練有利。但是，對于輸出值也進行這種歸一化，并不合理。一般的情況下，風電場的功率數(shù)據(jù)中，功率值越大，出現(xiàn)的頻率較小。這樣對期望輸出線性歸一化的結(jié)果是在O到I的區(qū)間里，輸出量多數(shù)為較小的值且靠近O點，只有少數(shù)值較大。這樣做的缺點是，經(jīng)過歸一化，弱化了較小功率之間的差異，使神經(jīng)網(wǎng)絡(luò)風電場功率預(yù)測模型對小功率變化的刻畫不夠詳細，而小功率出現(xiàn)的頻率是非常高的，造成誤差累積，影響風電場預(yù)測的整體精度。

發(fā)明內(nèi)容
本發(fā)明針對上述缺陷公開了用于風電場功率預(yù)測模型的正弦歸一化方法。本發(fā)明針對現(xiàn)有的歸一化方法進行改進，弱化歸一化后的功率值對原有功率分布特點的繼承?？紤]在歸一化的過程中，適當放大較小功率之間的差異，同時縮小歸一化后功率之間的差異，輸出變量值經(jīng)過歸一化顯得分布更均勻，增強了神經(jīng)網(wǎng)絡(luò)風電場功率預(yù)測模型的記憶能力，提高了 BP神經(jīng)網(wǎng)絡(luò)功率預(yù)測模型的精度，尤其是增強了對較小功率波動的跟蹤。本發(fā)明的組成部分主要有兩個第一是BP神經(jīng)網(wǎng)絡(luò)功率預(yù)測模型，第二個是期望輸出數(shù)據(jù)的正弦歸一化處理方法。在訓(xùn)練神經(jīng)網(wǎng)絡(luò)功率預(yù)測模型時，需要對期望輸出，即功率值進行正弦歸一化處理，在進行預(yù)測時，為了得到功率的預(yù)測值，需要對神經(jīng)網(wǎng)絡(luò)風電場功率預(yù)測模型的輸出值進行反歸一化處理。用于風電場功率預(yù)測模型的正弦歸一化方法包括以下步驟I)獲取風電場的η組數(shù)值天氣預(yù)報數(shù)據(jù)和風電場輸出功率數(shù)據(jù)；數(shù)據(jù)采樣間隔為15分鐘； 2)初始化BP神經(jīng)網(wǎng)絡(luò)，該BP神經(jīng)網(wǎng)絡(luò)具有兩個隱藏層；3)分別對風速、風向正弦、風向余弦、氣溫、氣壓和濕度進行線性歸一化處理，線性歸一化的公式如下
權(quán)利要求
1.用于風電場功率預(yù)測模型的正弦歸一化方法，其特征在于，包括以下步驟 1)獲取風電場的η組數(shù)值天氣預(yù)報數(shù)據(jù)和風電場輸出功率數(shù)據(jù)；數(shù)據(jù)采樣間隔為15分鐘； 2)初始化BP神經(jīng)網(wǎng)絡(luò)，該BP神經(jīng)網(wǎng)絡(luò)具有兩個隱藏層； 3)分別對風速、風向正弦、風向余弦、氣溫、氣壓和濕度進行線性歸一化處理，線性歸一化的公式如下
2.根據(jù)權(quán)利要求I所述的用于風電場功率預(yù)測模型的正弦歸一化方法，其特征在于，.500 ^ n ^ 2000。
全文摘要
本發(fā)明公開了屬于風電功率預(yù)測領(lǐng)域的風電場功率預(yù)測模型的正弦歸一化方法。它包括以下步驟1)獲取風電場的n組數(shù)值天氣預(yù)報數(shù)據(jù)和風電場輸出功率數(shù)據(jù)；2)初始化BP神經(jīng)網(wǎng)絡(luò)；3)分別對風速、風向正弦、風向余弦、氣溫、氣壓和濕度進行線性歸一化處理；對于風電場輸出功率數(shù)據(jù)，進行正弦歸一化處理；4)將x′new作為BP神經(jīng)網(wǎng)絡(luò)的輸入值進行預(yù)測，并將得到的預(yù)測結(jié)果進行反歸一化；本發(fā)明的有益效果為第一，有較強的普適性。第二，本發(fā)明能夠較為顯著地提高神經(jīng)網(wǎng)絡(luò)功率預(yù)測模型的預(yù)測精度。第三，本發(fā)明簡單易行，不需要對原神經(jīng)網(wǎng)絡(luò)功率預(yù)測模型進行修改就能夠?qū)嵤?br> 文檔編號G06N3/02GK102831475SQ201210272659
公開日2012年12月19日 申請日期2012年8月1日 優(yōu)先權(quán)日2012年8月1日
發(fā)明者劉永前, 韓爽, 李莉, 閻潔, 孟航 申請人:華北電力大學(xué)