新闻资讯 > 垂直行业

电力系统短期负荷预测的级联网络模型研究

更新时间:2017-06-17 发布:m.1024sj.com

摘 要:提出一种基于BP子网络和小波网络的短时间负荷展望的级联网络模子。在对气象影响身分与负荷关系深进分析的根蒂根基上,采用BP子网络来映照气象等不肯定身分的影响。采用小波网络(展望网络)来映照历史负荷值的影响,它连系了小波变换优秀的时频局域化性质和神经网络的自学习能力,较着地改善了神经网络难以合理肯定网络结构和存在局部优等缺陷。后两级网络相互级联组成展望网络。研究算例讲明,这类模子是优秀的。

  关头词:负荷展望;小波网络;级联网络

0引言

  短时间负荷展望是电力系统运行和调剂部门的一项重要工作。持久以来,国内外电力工作者对负荷展望做了年夜量的研究。提出了许多负荷展望的方式和技术,包括时间序列法、回回法、灰色系统法等[2]。这些方式在解决特定的展望使命中阐扬了重要作用。但在短时间负荷展望中,气象等不肯定身分往往对负荷有重要影响,而上述方式面临这些则显得无能为力。近几年来,神经网络遭到了人们的普遍关注,它壮大的多元非线性映照能力使得它能够准确捕捉负荷值与天气之间的非线性关系,使斟酌气象身分的短时间负荷展望成为可能。但它也有自身没法克服的缺陷,如难以合理肯定网络结构、存在局部优等,而且随着网络规模的增年夜这些缺陷浮现的越来越突出。

  为了扬长避短,本文提出一种级联网络负荷展望模子。哄骗神经网络善于捕捉气象身分与负荷值之间的非线性关系的特点,级网络采用BP网络来映照气象身分的影响。第二级网络即展望网络采用小波网络。小波网络是连系小波分析理论和神经网络而形成的一种新型数学分析方式,它兼具小波变换优秀的时频局部化性质与传统神经网络的自学习功能。而且,它引进两个新的参变量,即尺度参数和平移参数,所以小波网络具有更多的自由度,从而使其具有更有用的函数迫近能力。后将两级网络互连,各司其职,配合完成展望工作,这类模子不仅能够提高效率,缩短展望时间,而且编制的软件易于维护、可重用性好。1基于气象身分影响分析的BP网络

  神经网络主要用来映照气象身分对短时间负荷的影响,它是一个小规模的BP网络。气象身分主要包括逐日的高气温、低气温、平均气温、天气状态(晴、阴、雨、雪)、湿度等。

1.1气象身分对负荷变化的影响分析

  随着气象科学的成长,气象信息预告得越来越准确,这为我们的负荷展望带来便当。另外一方面,分歧的气象信息对负荷值的影响水平其实不不异。是以必需进行气象信息与负荷值之间的联系关系性分析。

  以本文算例所用电网为例,为了获得气象身分与负荷变化之间的关系,我们做散点图。从图1可以看出:日平均负荷Oav随着低温度Tmin的变化成非线性纪律变化,即Tmin对Oav有较着的影响。从图2的数据散布来看,高气温Tmax对逐日2:00时的负荷O2的影响整体上呈随机性,即Tmax对O2无较着影响。一样的事理,我们可以作其他气象身分与历史负荷值散点图(为了节省篇幅,这些图本文从略)。从中我们可以得出结论:高气温、低气温、天气状态、湿度对逐日峰荷、谷荷、平均负荷有较较着的影响。是以,为了简化模子,提高效率,在BP网络中仅斟酌这四个气象信息。需要指出的是,在现实的展望工作中,由于电网负荷结构分歧,所得纪律也不不异,是以应当具体问题具体分析。

1.2神经网络的BP算法 神经网络肯定权重的方式是BP(BackPropagation)算法。有关BP算法用于负荷展望的文献较多(如[4,8]),在此不再赘述。2小波网络

  小波网络是以一族小波基取代Sigmoid函数而组成的一种新型函数毗连网络。它经由过程将小波基与旌旗灯号向量的内积进行加权和来实现旌旗灯号的特征提取。

2.1小波网络对神经网络缺陷的改善

  小波网络对神经网络难以合理肯定网络结构等缺陷进行了有用的改善。在现实设计小波网络的进程中,我们充实哄骗小波具有的时频局部化性质,设计网络的基本依据是:对于小规模(高频)特征旌旗灯号的空间局部区域的识别,小波是很合适的[3]。是以,在某一规模(伸缩)上的小波近似系数的局部年夜值讲明:是否需要经由过程使用在较小规模的小波来局部切确近似。本文中,隐含层处置单元数目采用以下步骤进行肯定:

  1)机关一个小波网络,使其在训练集上到达近似映照;

  2)识别小波系数的局部极年夜,在需要的地方加进新的伸缩(处置单元)来局部切确近似;

  3)重复2),直到终止尺度被知足。

  上述步骤的原理示意图如图3所示。  横轴t是时间轴,纵轴w是频率轴。Qf暗示训练数据所据有的时频域,各个黑点代表各个小波时频窗的中心。低频小波浮现Qf的“概貌”,高频小波浮现Qf的“细节”。是以,优的隐含层处置单元个数应当等于被Qf笼盖的黑点的个数。这也为小波网络肯定网络结构提供了理论支持。

  另外,作为小波公式的成效,所肯定的权在网络的输出方程中呈线性,这样误差函数E是权重Wi的凸函数,网络的训练是对特定凸函数的优化进程[3]。


2.2小波网络模子

  旌旗灯号Om的小波变换如式(1)所示:

 

  它是由母小波Ψ(t)经平移与放缩的成效,Ψ(t)需知足条件:


  式(3)说明Ψ(t)具有波动性,式(4)说明Ψ(t)具有紧支性






上一篇:金湖公司对农村供电所进行营销质量专项稽查
下一篇:邹县发电厂2