隨著并入電網(wǎng)的風(fēng)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(yīng)也會出現(xiàn)波動。西門子研制的一款基于神經(jīng)網(wǎng)絡(luò)的預(yù)測軟件可以預(yù)測波動，從而幫助提高電力市場的效率。

Ralph Grothmann博士研制的預(yù)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(guān)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(yù)報(bào)以及諸多其他手段，來預(yù)測各個(gè)區(qū)域和大型生產(chǎn)工廠的用電需求。

如今的情況卻復(fù)雜許多。取決于天氣因素，風(fēng)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(dān)起調(diào)峰任務(wù)。存在波動性的可再生能源發(fā)電的比例越大，電能供應(yīng)管理難度就越大——電能供應(yīng)商和電網(wǎng)運(yùn)營商都會受到這個(gè)問題的影響。

為保證電網(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(gè)大型用戶發(fā)生故障，那么，應(yīng)當(dāng)相應(yīng)地增加或減少電能供應(yīng)，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(jì)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(yīng)當(dāng)如何應(yīng)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(yīng)，同時(shí)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(zhǔn)確的預(yù)測，來改進(jìn)規(guī)劃。他說：“如果提前知道未來幾天太陽能發(fā)電和風(fēng)力發(fā)電的發(fā)電量，并且掌握了區(qū)域需求的預(yù)測數(shù)據(jù)，那么，就能以富于遠(yuǎn)見的方式管理傳統(tǒng)電站，規(guī)劃充足的電能供應(yīng)，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(jià)格購買電能。”

為了實(shí)現(xiàn)這個(gè)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(luò)的模擬環(huán)境（Simulation Environment for Neural Networks，簡稱SENN）”的預(yù)測軟件。SENN采用了類似于人類大腦的人工神經(jīng)網(wǎng)絡(luò)（計(jì)算機(jī)模型）。通過訓(xùn)練，這些網(wǎng)絡(luò)能夠識別出事物之間的相互關(guān)系，從而作出預(yù)測。Grothmann解釋道：“神經(jīng)網(wǎng)絡(luò)的神奇之處在于，不必*分析和理解問題，就能作出預(yù)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(fēng)速和濕度等，計(jì)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(diǎn)也納入考慮。只有這樣，分析模型才能利用天氣預(yù)報(bào)的數(shù)據(jù)，來預(yù)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(jìn)行訓(xùn)練。神經(jīng)網(wǎng)絡(luò)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(yù)報(bào)數(shù)據(jù)和相應(yīng)的太陽能電站的實(shí)際發(fā)電量，對它們進(jìn)行訓(xùn)練。天氣預(yù)報(bào)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(gè)應(yīng)用程序的任務(wù)是：根據(jù)天氣預(yù)報(bào)的數(shù)據(jù)，來預(yù)測太陽能發(fā)電量。開始時(shí)，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(yù)測結(jié)果與太陽能電站的實(shí)際發(fā)電量有著天壤之別。在訓(xùn)練中，這個(gè)應(yīng)用程序?qū)⒎磸?fù)執(zhí)行這個(gè)過程達(dá)數(shù)千次，大限度地縮小預(yù)測結(jié)果與實(shí)際數(shù)值之間的差異。逐漸地，SENN會改變各個(gè)參數(shù)的權(quán)值，以提高預(yù)測準(zhǔn)確度。

SENN早開發(fā)于20多年前，目前已被用于預(yù)測20天內(nèi)的原材料價(jià)格和電價(jià)走勢等應(yīng)用。在三分之二的時(shí)間里，它能準(zhǔn)確預(yù)測 購買日。自2005年起，西門子一直在利用SENN，

利用經(jīng)驗(yàn)數(shù)據(jù)，系統(tǒng)學(xué)會了預(yù)測可再生能源的發(fā)電量，預(yù)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(rèn)識到，SENN預(yù)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(yù)測，電網(wǎng)運(yùn)營商可以計(jì)劃輔助電站的使用或者補(bǔ)償電能需求。風(fēng)電場和太陽能電站的運(yùn)營商可以根據(jù)預(yù)測，將維護(hù)工作安排在發(fā)電量較低的時(shí)段，以更有利的條件出售預(yù)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(fēng)電場提供的數(shù)據(jù)，對一個(gè)SENN模型進(jìn)行測試。這個(gè)模型使用了關(guān)于風(fēng)速、氣溫和濕度的預(yù)報(bào)數(shù)據(jù)，來預(yù)測這座風(fēng)電場在未來三天的發(fā)電量，預(yù)測偏差不超過7.2%。譬如，如果系統(tǒng)預(yù)測發(fā)電量為100，那么，實(shí)際發(fā)電量將在92.8到107.2之間。Grothmann表示：“預(yù)測準(zhǔn)確度主要取決于數(shù)據(jù)質(zhì)量，總體而言，我們能夠相當(dāng)準(zhǔn)確地預(yù)測未來三天的天氣。”

盡管太陽能發(fā)電和風(fēng)力發(fā)電的發(fā)電量不穩(wěn)定，西門子軟件通過學(xué)習(xí)能夠預(yù)測其發(fā)電量。

西門子能源面向可再生能源發(fā)電設(shè)施的監(jiān)控解決方案，具備SENN發(fā)電預(yù)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(yù)測軟件。利用這款軟件，發(fā)電企業(yè)可以根據(jù)電網(wǎng)運(yùn)營商的需求預(yù)測，來決定向電網(wǎng)輸送多少電能。SENN可以預(yù)測太陽能電站在未來5天內(nèi)的每小時(shí)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(gè)模型。這個(gè)模型將就如何處理沾滿污垢的太陽能電池板向運(yùn)營商提出建議?；覊m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(yùn)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(fēng)速、風(fēng)向和降雨等環(huán)境因素，來預(yù)測太陽能電池板上將覆蓋多少灰塵，從而解決這個(gè)問題。

預(yù)測需求。需求預(yù)測是SENN在電力市場上的第二大應(yīng)用。借助這款軟件，用電大戶能夠以優(yōu)惠的價(jià)格購買電能，或者在作業(yè)時(shí)間上避開用電高峰時(shí)段，以免繳納高昂的罰款。供電企業(yè)可以利用區(qū)域預(yù)測，來規(guī)劃電能采購和電廠運(yùn)行事宜。譬如，因?yàn)橐獜牡聡蚍▏蛞獯罄斔痛罅侩娔?，瑞士的電網(wǎng)運(yùn)營商Swissgrid在利用SENN來規(guī)劃電能采購事宜時(shí)，則可將輸電損耗納入考慮。由于Swissgrid不得不彌補(bǔ)這樣的損耗，所以，它可以提前多36小時(shí)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(dá)4800萬歐元左右。

預(yù)測軟件有助于提率

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(yùn)營商提供的信息來預(yù)測需求。但SENN已助力Swissgrid將預(yù)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(yù)測數(shù)據(jù)非常準(zhǔn)確，失誤率僅為3%。在此基礎(chǔ)上，它能直接預(yù)測輸電損耗。為了做到這一點(diǎn)，它要監(jiān)測輸電目的地的每小時(shí)需求變化趨勢。它還要分析當(dāng)前電力潮流、可再生能源發(fā)電量、天氣預(yù)報(bào)和抽水蓄能電站的水庫水位等信息。

全盤化思維。單獨(dú)的預(yù)測是朝著未來電力市場邁出的步——未來，生產(chǎn)、需求、價(jià)格和傳輸?shù)葞缀跛幸蛩囟紝⑻幱诓粩嘧兓?。在電力系統(tǒng)中，所有這些數(shù)量之間，都存在著相互依存的關(guān)系；因此，應(yīng)當(dāng)從全局的高度審視這些因素。譬如，如果風(fēng)電設(shè)施提高了發(fā)電量，那么，傳統(tǒng)電站則應(yīng)相應(yīng)地降低發(fā)電量，這有可能降低電價(jià)。取決于需求狀況，風(fēng)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(bǔ)償電能的需求。Grothmann說：“對這些參數(shù)之間的交互作用的預(yù)測越準(zhǔn)確，整個(gè)系統(tǒng)的效率就越高。”

這正是SENN神經(jīng)網(wǎng)絡(luò)的用武之地。由于它并不使用分析關(guān)系，而是通過學(xué)習(xí)從所有參數(shù)的行為中識別出相互關(guān)系，因此，它的預(yù)測已經(jīng)包含了彼此的依存關(guān)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(jià)和其他原材料價(jià)格走勢、需求變化趨勢、二氧化碳排放權(quán)交易價(jià)格等，來確定電價(jià)。這是我們軟件的獨(dú)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(jià)格采購天然氣，以及根據(jù)關(guān)于二氧化碳排放權(quán)的交易價(jià)格和電價(jià)的預(yù)測來優(yōu)化調(diào)節(jié)發(fā)電量。未來，電網(wǎng)運(yùn)營商可以向供電企業(yè)提供關(guān)于需求的預(yù)測數(shù)據(jù)，以及預(yù)期的補(bǔ)償電能需求量。反過來，這些預(yù)測信息又依存于其他合作伙伴提供的生產(chǎn)和需求預(yù)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?yàn)樗袇⑴c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。