用于控制利用可再生能源操作的發(fā)電系統(tǒng)的方法和設(shè)備的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及用于控制利用可再生能源操作的發(fā)電系統(tǒng)的方法和設(shè)備。
【背景技術(shù)】
[0002]在電氣發(fā)電行業(yè)中，可再生能源發(fā)電系統(tǒng)使用的頻率越來(lái)越高。這種發(fā)電系統(tǒng)的能量產(chǎn)生嚴(yán)重依賴于外部變量，特別是氣候條件。因此，希望這種類(lèi)型的可再生能源發(fā)電系統(tǒng)以適當(dāng)?shù)姆绞絹?lái)預(yù)測(cè)未來(lái)生成的能源量，從而能夠作為結(jié)果來(lái)計(jì)劃這種發(fā)電系統(tǒng)的能量供給，因而電網(wǎng)的操作會(huì)更有效。

【發(fā)明內(nèi)容】

[0003]因此，本發(fā)明的一個(gè)目的是改進(jìn)可以用可再生能源操作的發(fā)電系統(tǒng)的控制。
[0004]相應(yīng)地，提出了一種用于控制可以用可再生能源操作的發(fā)電系統(tǒng)的方法。在該方法中，使用具有輸入矢量和輸出矢量的學(xué)習(xí)系統(tǒng)針對(duì)預(yù)定預(yù)測(cè)期間和預(yù)定區(qū)域執(zhí)行發(fā)電系統(tǒng)的能量產(chǎn)生的計(jì)算機(jī)支持的預(yù)測(cè)的生成。輸出矢量包括發(fā)電系統(tǒng)的一個(gè)或多個(gè)操作變量，用于預(yù)定預(yù)測(cè)期間的多個(gè)連續(xù)未來(lái)時(shí)間點(diǎn)。輸入矢量包括影響用于預(yù)定觀察期間的多個(gè)時(shí)間點(diǎn)中的一個(gè)時(shí)間點(diǎn)的一個(gè)或多個(gè)操作變量的一個(gè)或多個(gè)輸入變量。輸入變量包括用于預(yù)定觀察時(shí)間期間和預(yù)定區(qū)域的至少三個(gè)以下數(shù)據(jù):氣候數(shù)據(jù)；由衛(wèi)星提供的云漂移的第一圖像數(shù)據(jù)；由地面照相機(jī)提供的云漂移的第二圖像數(shù)據(jù)；以及使用氣候數(shù)據(jù)通過(guò)用于仿真發(fā)電系統(tǒng)的能量產(chǎn)生的物理模型所生成的仿真數(shù)據(jù)。進(jìn)一步地，在該方法中，基于生成的預(yù)測(cè)控制發(fā)電系統(tǒng)，使得減小發(fā)電系統(tǒng)的能量產(chǎn)生中與氣候有關(guān)的波動(dòng)。
[0005]例如，可用可再生能源操作的發(fā)電系統(tǒng)是發(fā)電站或混合發(fā)電站，例如光伏發(fā)電站或太陽(yáng)能發(fā)電站。
[0006]學(xué)習(xí)系統(tǒng)是能夠基于其輸入和輸出適應(yīng)其特性的系統(tǒng)。因此，用一組訓(xùn)練數(shù)據(jù)訓(xùn)練學(xué)習(xí)系統(tǒng)是可能的，使得其可以識(shí)別在訓(xùn)練數(shù)據(jù)中的特定的、預(yù)定的或自動(dòng)被確定的模式或可概括的結(jié)構(gòu)。在學(xué)習(xí)階段之后，除了訓(xùn)練數(shù)據(jù)，這種類(lèi)型的學(xué)習(xí)系統(tǒng)還能夠識(shí)別數(shù)據(jù)中被確定的模式或可概括的結(jié)構(gòu)，并相應(yīng)地分類(lèi)其它數(shù)據(jù)。
[0007]例如，發(fā)電系統(tǒng)的操作變量是由發(fā)電系統(tǒng)生成的能源輸出量。
[0008]該方法使未來(lái)生成的能源使用量以適當(dāng)?shù)姆绞奖活A(yù)測(cè)，從而能夠規(guī)劃這種類(lèi)型的發(fā)電系統(tǒng)的能量供給，因此電網(wǎng)的運(yùn)行會(huì)更有效。
[0009]進(jìn)一步地，該方法使發(fā)電系統(tǒng)能夠基于生成的預(yù)測(cè)被控制，使得減小或阻止發(fā)電系統(tǒng)的能量產(chǎn)生中與氣候有關(guān)的波動(dòng)。
[0010]該方法的另一個(gè)優(yōu)點(diǎn)在于使用至少三個(gè)不同數(shù)據(jù)源用于將生成的預(yù)測(cè)的可能性。這樣，可以結(jié)合不同數(shù)據(jù)源的優(yōu)點(diǎn)，例如，各個(gè)測(cè)量點(diǎn)、時(shí)間幀或時(shí)間分辨率的精度和/或誤差寬容度。因此，生成的預(yù)測(cè)比僅僅使用一個(gè)或兩個(gè)數(shù)據(jù)源更精確和更穩(wěn)定。
[0011]在該方法的實(shí)施例中，在預(yù)測(cè)生成前，通過(guò)學(xué)習(xí)系統(tǒng)成分(component)的主成分分析壓縮輸入矢量。
[0012]主成分分析是用于輸入矢量所包括的數(shù)據(jù)的無(wú)損失壓縮的統(tǒng)計(jì)方法。非線性主成分分析的使用，其是以學(xué)習(xí)系統(tǒng)的形式實(shí)現(xiàn)的，例如神經(jīng)網(wǎng)絡(luò)，是特別有利的。這樣，非常大的輸入矢量也可以被高效和快速地處理。
[0013]在本方法的其它實(shí)施例中，學(xué)習(xí)系統(tǒng)由η個(gè)神經(jīng)網(wǎng)絡(luò)形成。
[0014]神經(jīng)網(wǎng)絡(luò)是通用函數(shù)逼近器，其結(jié)構(gòu)根據(jù)生物神經(jīng)細(xì)胞選擇。
[0015]神經(jīng)網(wǎng)絡(luò)特別適用于控制和調(diào)節(jié)技術(shù)系統(tǒng)，例如發(fā)電系統(tǒng)。
[0016]可以用神經(jīng)網(wǎng)絡(luò)替換傳統(tǒng)的控制器或者為它們指定參考值，其中神經(jīng)網(wǎng)絡(luò)由生成的預(yù)測(cè)確定。
[0017]因此，可以進(jìn)一步根據(jù)生成的預(yù)測(cè)控制發(fā)電系統(tǒng)，使得進(jìn)一步減小發(fā)電系統(tǒng)的能量產(chǎn)生中與氣候有關(guān)的波動(dòng)。
[0018]神經(jīng)網(wǎng)絡(luò)進(jìn)一步使預(yù)測(cè)誤差隨時(shí)間推移而最小化，由此提高最終生成的預(yù)測(cè)。
[0019]η個(gè)神經(jīng)網(wǎng)絡(luò)可以具有相同的或不同的架構(gòu)。
[0020]在本方法的其它實(shí)施例中，用于第i個(gè)神經(jīng)網(wǎng)絡(luò)的輸入矢量除輸入變量外，還包括第(1-Ι)個(gè)神經(jīng)網(wǎng)絡(luò)的輸出矢量，其中i e [1，...，η]。
[0021]因此，學(xué)習(xí)系統(tǒng)包括一系列獨(dú)立的、形式為神經(jīng)網(wǎng)絡(luò)的自學(xué)子系統(tǒng)。除了各自的輸入矢量所包括的輸入變量，除第一子系統(tǒng)外，每個(gè)子系統(tǒng)還接收各自前面的子系統(tǒng)生成的預(yù)測(cè)作為其它輸入數(shù)據(jù)。這樣，前面的子系統(tǒng)的預(yù)測(cè)誤差可以由各自的后面的子系統(tǒng)減小。
[0022]在本方法的其它實(shí)施例中，η個(gè)神經(jīng)網(wǎng)絡(luò)的每一個(gè)被設(shè)計(jì)為具有多個(gè)互連層的人工神經(jīng)前饋網(wǎng)絡(luò)，多個(gè)互連層包括輸入層，多個(gè)隱蔽層和輸出層，其中輸入層包含多個(gè)輸入神經(jīng)元，以描述輸入矢量，以及其中各個(gè)隱蔽層包含多個(gè)隱蔽神經(jīng)元，以描述輸出矢量，以及其中輸出層包括對(duì)應(yīng)多個(gè)隱蔽層并且在每種情況下包括一個(gè)或多個(gè)輸出神經(jīng)元的多個(gè)輸出簇，其中每個(gè)輸出簇描述相同的輸出矢量并連接到不同隱蔽層。
[0023]因此，η個(gè)神經(jīng)網(wǎng)絡(luò)的每一個(gè)表示前饋網(wǎng)絡(luò)的特殊變量。前饋網(wǎng)絡(luò)的特征在于互相重疊的多個(gè)神經(jīng)元層以從較低到較高層的處理方向通過(guò)適當(dāng)?shù)臋?quán)重以權(quán)重矩陣的形式互相耦接，其中在單個(gè)層里面的神經(jīng)元沒(méi)有相互連接。
[0024]η個(gè)神經(jīng)網(wǎng)絡(luò)的每一個(gè)的特征在于輸出層包括對(duì)應(yīng)多個(gè)隱蔽層并且在每個(gè)情況中包括一個(gè)或多個(gè)輸出神經(jīng)元的多個(gè)輸出簇，其中每個(gè)輸出簇描述了相同的輸出矢量并連接到不同隱蔽層。因此，輸出簇分配給每個(gè)隱蔽層，其中隱蔽層僅耦接到該輸出簇。因此，建立了單獨(dú)的輸出簇，其描述了在神經(jīng)網(wǎng)絡(luò)中相互依賴的發(fā)電系統(tǒng)的相同操作變量。
[0025]與傳統(tǒng)前饋網(wǎng)絡(luò)相比，在根據(jù)本發(fā)明的神經(jīng)網(wǎng)絡(luò)中，位于最上面的隱蔽層下面的隱蔽層不僅連接到較高的隱蔽層，還連接到輸出層的輸出簇。因此，其它誤差信息輸入至輸出層，使得相應(yīng)地所訓(xùn)練的神經(jīng)網(wǎng)絡(luò)可以更好地預(yù)測(cè)發(fā)電系統(tǒng)的操作變量。輸入矢量連接到每個(gè)隱蔽層。
[0026]在本方法的其它實(shí)施例中，針對(duì)η個(gè)神經(jīng)網(wǎng)絡(luò)的每一個(gè)神經(jīng)網(wǎng)絡(luò)單獨(dú)提供包括在輸入變量?jī)?nèi)的數(shù)據(jù)。
[0027]因此，每個(gè)子系統(tǒng)具有輸入變量的特征值作為輸入數(shù)據(jù)。例如，用于第一子系統(tǒng)的輸入變量對(duì)應(yīng)所觀察到的氣候數(shù)據(jù)的高時(shí)間分辨率，引起短期預(yù)測(cè)，相反，用于第二子系統(tǒng)的輸入變量對(duì)應(yīng)所觀察到的氣候數(shù)據(jù)的低時(shí)間分辨率，因此引起長(zhǎng)期預(yù)測(cè)。高時(shí)間分辨率意味著，例如，時(shí)間分辨率精確到分鐘或小時(shí)，而低時(shí)間分辨率意味著，例如，分辨率精確到天。
[0028]在本方法的其它實(shí)施例中，η個(gè)神經(jīng)網(wǎng)絡(luò)的序列是可預(yù)定義的。
[0029]對(duì)應(yīng)輸入數(shù)據(jù)的子系統(tǒng)的分類(lèi)，例如在質(zhì)量、時(shí)間幀或輸入變量所包括的數(shù)據(jù)的時(shí)間分辨率方面，能夠進(jìn)一步提高所生成的預(yù)測(cè)的質(zhì)量。
[0030]在本方法的其它實(shí)施例中，多次執(zhí)行生成預(yù)測(cè)的步驟，以便生成多個(gè)預(yù)測(cè)，其中在用于生成相應(yīng)的預(yù)測(cè)的每個(gè)情況中指定不同的預(yù)測(cè)期間和/或不同觀察期間。
[0031 ] 多個(gè)不同預(yù)測(cè)可以用這種方式生成。
[0032]在本方法的其它實(shí)施例中，合并生成的多個(gè)預(yù)測(cè)，以形成合并的預(yù)測(cè)。
[0033]通過(guò)合并生成的多個(gè)預(yù)測(cè)來(lái)形成合并的預(yù)測(cè)，可以進(jìn)一步提高最終生成的、合并的預(yù)測(cè)的質(zhì)量。
[0034]在本方法的其它實(shí)施例中，通過(guò)加權(quán)求和的方式合并生成的多個(gè)預(yù)測(cè)。
[0035]例如，加權(quán)求和允許多個(gè)生成的預(yù)測(cè)的每一個(gè)是等權(quán)重的。但是，為了提高各自的預(yù)測(cè)對(duì)合并的預(yù)測(cè)的影響，也可以是多個(gè)生成的預(yù)測(cè)中的一個(gè)或多個(gè)的權(quán)重比其它的重。這樣，例如，基于更精確或更可靠數(shù)據(jù)的預(yù)測(cè)可以比基于不精確或不可靠數(shù)據(jù)的預(yù)測(cè)的加權(quán)更重，而不需要放棄不精確或不可靠數(shù)據(jù)的使用。
[0036]在本方法的其它實(shí)施例中，通過(guò)其它神經(jīng)網(wǎng)絡(luò)的方式合并生成的多個(gè)預(yù)測(cè)。
[0037]神經(jīng)網(wǎng)絡(luò)特別適合于處理和評(píng)估統(tǒng)計(jì)數(shù)據(jù)，例如所觀察到的氣候數(shù)據(jù)。因此，可以進(jìn)一步提高合并的預(yù)測(cè)。
[0038]在本方法的其它實(shí)施例中，