<del id="sge2u"></del> 隨著并入電網(wǎng)的風力發(fā)電和太陽能發(fā)電的容量比例越來越高，不僅用電需求會發(fā)生波動，電能供應也會出現(xiàn)波動。西門子研制的一款基于神經(jīng)網(wǎng)絡的預測軟件可以預測波動，從而幫助提高電力市場的效率。
Ralph Grothmann博士研制的預測軟件，其工作方式類似于人類大腦：能識別事物之間的相互關系。
過去，一切都很簡單。廣布于全國各地的電廠，其發(fā)電量是根據(jù)用電需求來調(diào)節(jié)的。電廠通常采用日歷、天氣預報以及諸多其他手段，來預測各個區(qū)域和大型生產(chǎn)工廠的用電需求。
如今的情況卻復雜許多。取決于天氣因素，風電場和太陽能電站的發(fā)電量不盡相同，傳統(tǒng)電廠必須承擔起調(diào)峰任務。存在波動性的可再生能源發(fā)電的比例越大，電能供應管理難度就越大——電能供應商和電網(wǎng)運營商都會受到這個問題的影響。
為*保*電網(wǎng)穩(wěn)定，向電網(wǎng)輸送的電能在數(shù)量上必須與從電網(wǎng)消耗的電能保持一致。如果一座電站或一個大型用戶發(fā)生故障，那么，應當相應地增加或減少電能供應，以避免斷電。每座電廠都必須具備一定的調(diào)峰能力。然而未來，保持電網(wǎng)平衡的難度將與日俱增，特別是在正處于能源轉(zhuǎn)型之中，計劃大幅提高可再生能源發(fā)電比例的德國。
在這種新的形勢下，應當如何應對？發(fā)電企業(yè)如何幫助保持電網(wǎng)穩(wěn)定，提供可靠的電能供應，同時保持盈利？西門子中央研究院的研究人員Ralph Grothmann博士表示，答案就是通過更準確的預測，來改進規(guī)劃。他說：“如果提前知道未來幾天太陽能發(fā)電和風力發(fā)電的發(fā)電量，并且掌握了區(qū)域需求的預測數(shù)據(jù)，那么，就能以富于遠見的方式管理傳統(tǒng)電站，規(guī)劃充足的電能供應，以抵消輸電損耗，并且可以在電力市場交易上以優(yōu)惠的價格購買電能。”
為了實現(xiàn)這個愿景，Grothmann和他的同事Hans Georg Zimmermann博士共同開發(fā)了名為“面向神經(jīng)網(wǎng)絡的模擬環(huán)境（Simulation Environment for Neural Networks，簡稱SENN）”的預測軟件。SENN采用了類似于人類大腦的人工神經(jīng)網(wǎng)絡（計算機模型）。通過訓練，這些網(wǎng)絡能夠識別出事物之間的相互關系，從而作出預測。Grothmann解釋道：“神經(jīng)網(wǎng)絡的神奇之處在于，不必徹底分析和理解問題，就能作出預測。”
譬如，要利用分析模型來描述太陽能電站，需要根據(jù)投射的太陽能輻射功率和其他環(huán)境因素如氣溫、風速和濕度等，計算出太陽能電池板的發(fā)電量。如果部分太陽能電池板碰巧造成了遮擋，使陽光照不到其他太陽能電池板上，則需將這一點也納入考慮。只有這樣，分析模型才能利用天氣預報的數(shù)據(jù)，來預測位于特定地理位置的太陽能電站的發(fā)電量。
利用數(shù)據(jù)進行訓練。神經(jīng)網(wǎng)絡的工作方式與之大相徑庭。是利用以往的數(shù)據(jù)，即天氣預報數(shù)據(jù)和相應的太陽能電站的實際發(fā)電量，對它們進行訓練。天氣預報數(shù)據(jù)不必來自太陽能電站所在位置的氣象站；這些數(shù)據(jù)也可以由附近的氣象站提供。這個應用程序的任務是：根據(jù)天氣預報的數(shù)據(jù)，來預測太陽能發(fā)電量。開始時，軟件并不知道各種不同參數(shù)將起到什么樣的作用，因此，其預測結(jié)果與太陽能電站的實際發(fā)電量有著天壤之別。在訓練中，這個應用程序?qū)⒎磸蛨?zhí)行這個過程達數(shù)千次，*大限度地縮小預測結(jié)果與實際數(shù)值之間的差異。逐漸地，SENN會改變各個參數(shù)的權值，以提高預測準確度。
SENN*早開發(fā)于20多年前，目前已被用于預測20天內(nèi)的原材料價格和電價走勢等應用。在三分之二的時間里，它能準確預測*佳購買日。自2005年起，西門子一直在利用SENN，在價格*低的時候購買電能。
利用經(jīng)驗數(shù)據(jù)，系統(tǒng)學會了預測可再生能源的發(fā)電量，預測偏差不超過7%。
隨著可再生能源發(fā)電的日益興起，西門子認識到，SENN預測在發(fā)電行業(yè)將大有可為。譬如，根據(jù)對可再生能源并網(wǎng)發(fā)電量的預測，電網(wǎng)運營商可以計劃輔助電站的使用或者補償電能需求。風電場和太陽能電站的運營商可以根據(jù)預測，將維護工作安排在發(fā)電量較低的時段，以更有利的條件出售預期的發(fā)電量，以及規(guī)劃未來的收入。
目前，正利用丹麥一座大型海上風電場提供的數(shù)據(jù)，對一個SENN模型進行測試。這個模型使用了關于風速、氣溫和濕度的預報數(shù)據(jù)，來預測這座風電場在未來三天的發(fā)電量，預測偏差不超過7.2%。譬如，如果系統(tǒng)預測發(fā)電量為100，那么，實際發(fā)電量將在92.8到107.2之間。Grothmann表示：“預測準確度主要取決于數(shù)據(jù)質(zhì)量，總體而言，我們能夠相當準確地預測未來三天的天氣。”
盡管太陽能發(fā)電和風力發(fā)電的發(fā)電量不穩(wěn)定，西門子軟件通過學習能夠預測其發(fā)電量。
西門子能源面向可再生能源發(fā)電設施的監(jiān)控解決方案，具備SENN發(fā)電預測功能。譬如在南非，有兩座發(fā)電容量均為5萬千瓦的太陽能電站，就使用了SENN預測軟件。利用這款軟件，發(fā)電企業(yè)可以根據(jù)電網(wǎng)運營商的需求預測，來決定向電網(wǎng)輸送多少電能。SENN可以預測太陽能電站在未來5天內(nèi)的每小時日照發(fā)電量，偏差不超過7%。
目前正在規(guī)劃適用于太陽能電站的第二個模型。這個模型將就如何處理沾滿污垢的太陽能電池板向運營商提出建議。灰塵可令太陽能電池板的發(fā)電量降低*多15%，但其清潔成本亦不菲。Grothmann解釋道：“如果運營商事先知道將有充沛的雨量可以把灰塵洗刷干凈，則不必派遣清潔人員前去打掃。”新的軟件將通過利用干燥度、風速、風向和降雨等環(huán)境因素，來預測太陽能電池板上將覆蓋多少灰塵，從而解決這個問題。
預測需求。需求預測是SENN在電力市場上的第二大應用。借助這款軟件，用電大戶能夠以優(yōu)惠的價格購買電能，或者在作業(yè)時間上避開用電高峰時段，以免繳納高昂的罰款。供電企業(yè)可以利用區(qū)域預測，來規(guī)劃電能采購和電廠運行事宜。譬如，因為要從德國或法國向意大利輸送大量電能，瑞士的電網(wǎng)運營商Swissgrid在利用SENN來規(guī)劃電能采購事宜時，則可將輸電損耗納入考慮。由于Swissgrid不得不彌補這樣的損耗，所以，它可以提前*多36小時在現(xiàn)貨市場采購電能，以盡量規(guī)避損失。Swissgrid每年的采購額，高達4800萬歐元左右。
預測軟件有助于提高效率
過去，Swissgrid總是根據(jù)日歷和天氣數(shù)據(jù)，以及鄰國的電網(wǎng)運營商提供的信息來預測需求。但SENN已助力Swissgrid將預測失誤率從11%降至10%，這每年能為Swissgrid節(jié)省數(shù)十萬法郎。
SENN生成的需求預測數(shù)據(jù)非常準確，失誤率僅為3%。在此基礎上，它能直接預測輸電損耗。為了做到這一點，它要監(jiān)測輸電目的地的每小時需求變化趨勢。它還要分析當前電力潮流、可再生能源發(fā)電量、天氣預報和抽水蓄能電站的水庫水位等信息。
全盤化思維。單獨的預測是朝著未來電力市場邁出的**步——未來，生產(chǎn)、需求、價格和傳輸?shù)葞缀跛幸蛩囟紝⑻幱诓粩嘧兓小Ｔ陔娏ο到y(tǒng)中，所有這些數(shù)量之間，都存在著相互依存的關系；因此，應當從全局的高度審視這些因素。譬如，如果風電設施提高了發(fā)電量，那么，傳統(tǒng)電站則應相應地降低發(fā)電量，這有可能降低電價。取決于需求狀況，風電既可能向北方傳輸，也可能向南方傳輸。這繼而會改變對用于抵消輸電損耗的補償電能的需求。Grothmann說：“對這些參數(shù)之間的交互作用的預測越準確，整個系統(tǒng)的效率就越高。”
這正是SENN神經(jīng)網(wǎng)絡的用武之地。由于它并不使用分析關系，而是通過學習從所有參數(shù)的行為中識別出相互關系，因此，它的預測已經(jīng)包含了彼此的依存關系。Grothmann說：“SENN的用途之一是，根據(jù)各式各樣相互作用的參數(shù)，如電價和其他原材料價格走勢、需求變化趨勢、二氧化碳排放權交易價格等，來確定電價。這是我們軟件的獨到之處。”
如今，擁有多家電廠的供電企業(yè)，已經(jīng)可以使用SENN來以低廉的價格采購天然氣，以及根據(jù)關于二氧化碳排放權的交易價格和電價的預測來優(yōu)化調(diào)節(jié)發(fā)電量。未來，電網(wǎng)運營商可以向供電企業(yè)提供關于需求的預測數(shù)據(jù)，以及預期的補償電能需求量。反過來，這些預測信息又依存于其他合作伙伴提供的生產(chǎn)和需求預測數(shù)據(jù)。所有這一切將有助于輕松管理瞬息萬變的電力市場，因為所有參與者都能根據(jù)會影響到其他市場參與者的發(fā)展趨勢，提前調(diào)整各自的活動。
點擊圖片查看原圖
