基于V-支持向量機(jī)的風(fēng)電場(chǎng)短期風(fēng)速的概率預(yù)測(cè).doc

第31卷 第0期電 網(wǎng) 技 術(shù)8文章編號(hào)：1000-3673（2007）08-0082-06 中圖分類號(hào)：TM614 文獻(xiàn)標(biāo)識(shí)碼：A 學(xué)科代碼：4806040基于V支持向量機(jī)的風(fēng)電場(chǎng)短期風(fēng)速的概率預(yù)測(cè)杜 穎1，盧繼平2，李 青3，鄧穎玲4（1.廣東省電力設(shè)計(jì)研究院，廣東省 廣州市 510600；2輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室(重慶大學(xué))，重慶市 沙坪壩區(qū) 400044；3甘肅潔源風(fēng)電有限責(zé)任公司，甘肅省 蘭州市 730050；4中國民用航空湛江空中交通管理站，廣東省 湛江市 524017） Wind Speed Probabilistic Forecasting of Wind Farm Based on V-Support Vector Regression MachineDU Ying1，LU Ji-ping2，LI Qing3，DENG Ying-ling4（1.Guangdong electric power institute, Guangzhou 510600 Guangdong Province, China;2State Key Laboratory of Power Transmission Equipment & System Security and New Technology(Chongqing University)，Shapingba District，Chongqing 400044，China；3Gansu Clean Source of Wind Power Co.,Ltd.，Lanzhou 730050，Gansu Province，China；4China CIVIL Zhan Jiang Air Traffic Management Station，Zhanjiang 524017，Guangdong Province，China）ABSTRACT: A wind speed forecasting for wind farm based on v support vector regression machine is proposed. Taking historical wind speed data, atmospheric pressure and temperature as the input, the wind speed and environmental condition are trained by v-SVRM, then a forecasting model is built, and by selecting different parameters of the v, you can calculate the probability of the corresponding confidence intervals of wind speed. Forecasting wind speed by the proposed method, the obtained results are basically in accordance with the values of actual wind speed. Comparing the wind speeds forecasted by the proposed method with those forecasted by BP neural network based method, it is shown that the proposed method is better than the latter in robustness and forecasting accuracy. KEY WORDS: wind power generation；wind speed forecasting；least squares support vector machine ； grid search；BP neural network摘要：提出了一種基于v支持向量機(jī)的風(fēng)電場(chǎng)風(fēng)速的概率預(yù)測(cè)方法。以歷史風(fēng)速、氣壓、溫度數(shù)據(jù)作為輸入，對(duì)風(fēng)速和環(huán)境條件進(jìn)行訓(xùn)練，建立預(yù)測(cè)模型，并且運(yùn)用網(wǎng)格搜索法確定模型參數(shù)，通過對(duì)參數(shù)v的不同選取，可以計(jì)算出相應(yīng)概率下的風(fēng)速置信區(qū)間。算例結(jié)果表明，使用上述方法預(yù)測(cè)的風(fēng)速置信區(qū)間很好地包含了真實(shí)值，比“單點(diǎn)”預(yù)測(cè)的效果更好。因此是一種比較有價(jià)值的風(fēng)速預(yù)測(cè)方法。0.引言隨著風(fēng)電容量在電力系統(tǒng)中的比例越來越大，對(duì)系統(tǒng)的影響日益明顯。但由于風(fēng)的隨機(jī)性使得電力公司不愿意將其列為能源之一，有時(shí)將其稱為“一個(gè)潛在的搗亂者”。隨著風(fēng)能地位的增加，風(fēng)力發(fā)電機(jī)在電力網(wǎng)絡(luò)中的安裝位置也在發(fā)生著改變。電力公司必須為維持電能質(zhì)量而負(fù)責(zé)，因此，很有必要模擬和預(yù)測(cè)風(fēng)力發(fā)電機(jī)組出力。風(fēng)速的預(yù)測(cè)有很強(qiáng)的不確定性，僅僅通過預(yù)測(cè)單個(gè)數(shù)值作為結(jié)果，其模糊性太強(qiáng)。由于風(fēng)速的強(qiáng)烈的隨機(jī)性，上述的預(yù)測(cè)方法在一定程度上難以滿足預(yù)測(cè)的精度的要求。如果給出預(yù)測(cè)值的一個(gè)范圍，并給出它的概率，也就是預(yù)測(cè)值的置信區(qū)間，這樣的話比預(yù)測(cè)值本身更有實(shí)用價(jià)值。1.風(fēng)速的概率預(yù)測(cè)模型的建立1.1 v支持向量回歸機(jī)文【？】由最小二乘支持向量機(jī)模型得出的預(yù)測(cè)值（點(diǎn)預(yù)測(cè)）作為預(yù)測(cè)量的期望值，下面為了求得置信區(qū)間，需要引入另外一種模型v支持向量回歸機(jī)。在最小二乘支持向量機(jī)回歸中，需要事先確定不敏感損失函數(shù)中的，然而在某些情況下選擇合適的并不是件容易的事，因此，需要一種自動(dòng)計(jì)算的v支持向量機(jī)34。引入另外一個(gè)參數(shù)v（），把最優(yōu)化問題修改為： (1)其約束條件為： (2)注意這里是作為優(yōu)化問題的變量出現(xiàn)的，其值作為解的一部分輸出。式中，C0決定經(jīng)驗(yàn)風(fēng)險(xiǎn)與正規(guī)部分之間的平衡；為01之間的常數(shù)?？梢宰C明，當(dāng)時(shí)，是錯(cuò)誤樣本個(gè)數(shù)占總樣本個(gè)數(shù)份額的上界。其中錯(cuò)誤樣本點(diǎn)指落在圖1“”外部的樣本點(diǎn)，其對(duì)應(yīng)的松弛變量或者，如圖4.1中點(diǎn)“”和點(diǎn)“”所示。上述結(jié)論意味著樣本點(diǎn)將以至少的概率落入“”，也就是說，在利用v支持向量機(jī)進(jìn)行回歸估計(jì)時(shí)，可以同時(shí)近似用來描述“置信度”，而用來描述對(duì)應(yīng)的“置信區(qū)間”。這就是本文的基本出發(fā)點(diǎn)。圖1 非線性回歸函數(shù)的不靈敏帶Fig.1 Insensitive band of nonlinear regression function1.2 v支持向量回歸機(jī)的解法選擇適當(dāng)?shù)恼龜?shù)，C和核函數(shù)；構(gòu)造并求解優(yōu)化問題（式1）的對(duì)偶問題，得到最優(yōu)解構(gòu)造決策函數(shù)（3）按照下列方式計(jì)算：選擇的位于開區(qū)間（0，C）中的兩個(gè)分量和，令：（4）置信區(qū)間估計(jì)（5）或（6） 在一定條件下，可以證明34，當(dāng)訓(xùn)練集中的樣本個(gè)數(shù)趨向無窮時(shí)，v以1的概率漸近于支持向量的個(gè)數(shù)與樣本點(diǎn)個(gè)數(shù)之比，也漸近于錯(cuò)誤樣本點(diǎn)個(gè)數(shù)與樣本點(diǎn)個(gè)數(shù)之比。因此，大體上可以用v（）來控制支持向量的個(gè)數(shù)或錯(cuò)誤樣本點(diǎn)的個(gè)數(shù)（稱最優(yōu)解中或不為零時(shí)對(duì)應(yīng)的為支持向量），這就是為v值的選取提供一個(gè)依據(jù)。2. 風(fēng)速的概率預(yù)測(cè)本文繼續(xù)采用原有的樣本集即玉門風(fēng)電場(chǎng)2006年7月3日7時(shí)0分到2006年7月4日16時(shí)10分共200個(gè)點(diǎn)的風(fēng)速數(shù)據(jù)，利用v支持向量回歸機(jī)進(jìn)行模型訓(xùn)練以及預(yù)測(cè)。本方法的訓(xùn)練數(shù)據(jù)樣本的選擇與處理，核函數(shù)與核參數(shù)的選取以及預(yù)測(cè)的程序都與第三章所用方法和程序一樣。由于篇幅所限，本文只給出當(dāng)v=0.15以及v=0.05兩種情況下的預(yù)測(cè)結(jié)果。如圖4.2所示，具體數(shù)據(jù)見表4.1和表4.2，表4.3是兩種情況下預(yù)測(cè)結(jié)果的對(duì)比。(a) v=0.15(b) v=0.05圖2 風(fēng)速在不同置信度下的預(yù)測(cè)Fig.2 Wind forecasting in difference degree of confidence表4.1 v0.15，置信度為85時(shí)，風(fēng)速預(yù)測(cè)結(jié)果Table4.1 Wind forecasting result when degree of confidence is 0.85預(yù)測(cè)時(shí)刻實(shí)際值m/s最小二乘向量機(jī)預(yù)測(cè)值m/s置信上限m/s置信下限m/s7:0012.512.92 13.92 11.93 7:1012.212.25 13.35 11.15 7:2012.111.96 12.92 11.00 7:3012.812.87 12.75 10.98 7:4012.512.54 13.60 11.48 7:5012.912.25 13.11 11.40 8:0013.412.93 13.27 11.99 8:1013.413.11 13.91 12.32 8:2013.413.11 13.79 12.44 8:3012.813.11 13.82 12.41 8:4013.412.94 13.26 11.81 8:5013.113.11 13.88 12.34 9:0012.912.83 13.47 12.18 14:408.68.568.83 8.29 14:506.77.138.04 6.22 15:005.45.175.67 4.68 15:104.64.865.47 4.26 15:205.04.68 5.17 4.17 15:304.95.06 5.66 4.46 15:405.74.96 5.46 4.47 15:5065.73 6.22 5.23 16:006.36.02 6.51 5.53 16:107.16.31 6.79 5.81 表2 v=0.05置信度為95時(shí)，風(fēng)速預(yù)測(cè)結(jié)果Table4.2 Wind forecasting result when degree of confidence is 0.95預(yù)測(cè)時(shí)刻實(shí)際值m/s最小二乘向量機(jī)預(yù)測(cè)值m/s置信上限m/s置信下限m/s7:0012.512.92 14.29 11.557:1012.212.25 13.78 10.72 7:2012.111.96 13.35 10.58 7:3012.812.87 13.10 10.64 7:4012.512.54 14.07 11.01 7:5012.912.25 13.48 11.02 8:0013.412.93 13.56 11.71 8:1013.413.11 14.18 12.04 8:2013.413.11 14.04 12.19 8:3012.813.11 14.18 12.04 8:4013.412.94 13.47 11.61 8:5013.113.11 14.18 12.04 9:0012.912.83 13.75 11.90 14:408.68.568.94 8.18 14:506.77.138.44 5.82 15:005.45.175.88 4.48 15:104.64.865.73 4.00 15:205.04.68 5.39 3.96 15:304.95.06 5.92 4.20 15:405.74.96 5.67 4.26 15:5065.73 6.43 5.04 16:006.36.02 6.71 5.33 16:107.16.31 7.19 5.62 采用下式來衡量該方法的精度：（7）式中：是精度，是包括在置信區(qū)間內(nèi)的樣本點(diǎn)數(shù)，總樣本數(shù)。表3 不同置信度下預(yù)測(cè)結(jié)果比較Table4.3 Forecasting results comparison in different confidencev(1-v)置信度/%預(yù)測(cè)精度0.0595%0.960.1585%0.795綜上可以看出，采用v支持向量機(jī)法計(jì)算出來的置信區(qū)間符合風(fēng)速預(yù)測(cè)的要求，總體來說可信度很高。此外，置信區(qū)間隨置信度的增加有所增大，因此置信度越高其包含的風(fēng)速范圍大，精度就相應(yīng)越高。該方法比單純的點(diǎn)預(yù)測(cè)更適合于風(fēng)速這種隨機(jī)性很強(qiáng)的變量?，F(xiàn)有的文獻(xiàn)提出的風(fēng)速預(yù)測(cè)模型大多僅提供單點(diǎn)預(yù)測(cè)值（“點(diǎn)預(yù)測(cè)”），當(dāng)風(fēng)速有明顯的波動(dòng)時(shí)，預(yù)測(cè)精度較低。尤其對(duì)于高空的風(fēng)速。如果我們給出預(yù)測(cè)值的一個(gè)范圍，并給出它的概率，也就是預(yù)測(cè)值的置信區(qū)間，這樣的話比預(yù)測(cè)值本身更有實(shí)用價(jià)值。另外，點(diǎn)預(yù)測(cè)也不利于發(fā)電上網(wǎng)競(jìng)價(jià)，從而影響效益的估算和風(fēng)險(xiǎn)的管理。因而，帶置信區(qū)間的預(yù)測(cè)結(jié)果有積極的意義。4 結(jié)束語（1）采用v-支持向量機(jī)法進(jìn)行風(fēng)速的概率預(yù)測(cè)，該方法可以得出一個(gè)帶置信區(qū)間的預(yù)測(cè)結(jié)果，解決了風(fēng)速有明顯的波動(dòng)時(shí)，預(yù)測(cè)精度較低。（2）得出一種基于v支持向量機(jī)風(fēng)速預(yù)測(cè)模型的解法，該模型很好地解決了預(yù)測(cè)值的置信度以及置信區(qū)間問題，讓預(yù)測(cè)結(jié)果比單點(diǎn)預(yù)測(cè)更有參考價(jià)值。（3）并且經(jīng)過實(shí)例驗(yàn)算，本方法求得的置信區(qū)間很好的包括了實(shí)際風(fēng)速值，精度較高。有一定的實(shí)際價(jià)值。參考文獻(xiàn)1雷亞洲，王偉勝，戴慧珠，等風(fēng)電對(duì)電力系統(tǒng)運(yùn)行的價(jià)值分析J電網(wǎng)技術(shù)，2002，26(5)：10-14Lei Yazhou，Wang Weisheng，Dai Huizhu，et alAnalysis of wind power value to power system operationJPower System Technology，2002，26(5)：10-14(in Chinese)2Bernhard L，Kurt R，Bernhard E，et alWind power prediction in Germanyrecent advances and future challengesCEuropean Wind Energy Conference，Athens，20063李晶，宋家驊，王偉勝大型變速恒頻風(fēng)力發(fā)電機(jī)組建模與仿真J中國電機(jī)工程學(xué)報(bào)，2004，24(6)：100-105Li Jing，Song Jiahua，Wang WeishengModeling and dynamic simulation of varlable speed wind turbine with large capacityJProceedings of the CSEE，2004，24(6)：100-105(in Chinese)4鄭國強(qiáng)，鮑海，陳樹勇基于近似線性規(guī)劃的風(fēng)電場(chǎng)穿透功率極限優(yōu)化的改進(jìn)算法J中國電機(jī)工程學(xué)報(bào)，2004，24(10)：68-71Zheng Guoqiang，Bao Hai，Chen Shuyong Amending algorithm for wind farm penetration optimization based on approximate linear programming methodJProceedings of the CSEE，2004，24(10)： 68-71(in Chinese)19(12)：1399-1402(in Chinese)5楊秀媛，肖洋，陳樹勇風(fēng)電場(chǎng)風(fēng)速和發(fā)電功率預(yù)測(cè)研究J中國電機(jī)工程學(xué)報(bào)，2005，25 (11)：1-5Yang Xiuyuan，Xiao Yang，Chen ShuyongWind speed and generated power forecasting in wind farmJProceedings of the CSEE，2005，25 (11)：1-5(in Chinese)6 陳樹勇，戴慧珠，白曉民，等風(fēng)電場(chǎng)的發(fā)電可靠性模型及其應(yīng)用J中國電機(jī)工程學(xué)報(bào)，2000，20(3)：26-29Chen Shuyong，Dai Huizhu，Bai Xiaomin，et alReliability model of wind power plants and its applicationJProceedings of the CSEE，2000，20(3)：26-29(in Chinese)7王承煦，張?jiān)达L(fēng)力發(fā)電M北京：中國電力出版社20038丁明，吳義純，張立軍風(fēng)電場(chǎng)風(fēng)速概率分布參數(shù)計(jì)算方法的研究J中國電機(jī)工程學(xué)報(bào)，2005，25(10)：107-110Ding Ming，Wu Yichun，Zhang LijunStudy on the algorithm to the probabilistic distribution parameters of wind speed