智能電網(wǎng)電力組態(tài)軟件及負(fù)荷預(yù)測算法研究.pdf

1、與傳統(tǒng)的電網(wǎng)相比，智能電網(wǎng)具備堅(jiān)強(qiáng)、互動、經(jīng)濟(jì)、兼容、自愈等優(yōu)點(diǎn)，能幫助電網(wǎng)工作人員快速決策，優(yōu)化配置電力資源。組態(tài)軟件作為是智能電網(wǎng)的智能核心，在其中起到了決定性作用，因此設(shè)計(jì)開發(fā)了一款具有用電量預(yù)測的電力組態(tài)軟件，對提高智能電網(wǎng)電力資源部署精度有重要意義。本文著重研究用電量預(yù)測方法，設(shè)計(jì)開發(fā)電力組態(tài)軟件。主要研究內(nèi)容有：
　　分析組態(tài)軟件的發(fā)展及研究現(xiàn)狀，研究電力組態(tài)軟件的總體設(shè)計(jì)過程，詳細(xì)分析和討論了組態(tài)軟件設(shè)計(jì)過程中數(shù)據(jù)庫

2、建模、數(shù)據(jù)采集和通訊規(guī)約等問題，設(shè)計(jì)并實(shí)現(xiàn)了電力組態(tài)軟件的圖形組態(tài)系統(tǒng)的基本功能。
　　研究了灰色理論基本原理和GM(1,1)的建模過程，并用GM(1,1)模型對用電量進(jìn)行了預(yù)測和仿真，針對GM(1,1)模型預(yù)測精度低的缺點(diǎn)，提出了利用二階多項(xiàng)式優(yōu)化GM(1,1)模型，得到HGM(1,1)模型，仿真測試表明 HGM模型的預(yù)測精度相對于GM模型得到了提高。
　　針對HGM(1,1)模型只考慮用電量因素，并未考慮外界影響因素的缺

3、點(diǎn)，研究了BP神經(jīng)網(wǎng)絡(luò)模型的基本原理，提出了灰色模型和BP神經(jīng)網(wǎng)絡(luò)模型相結(jié)合的HGMBP模型。該模型將HGM(1,1)的預(yù)測值和天氣、溫度經(jīng)過量化后的結(jié)果作為BP神經(jīng)網(wǎng)絡(luò)的輸入，利用 BP算法進(jìn)行訓(xùn)練，綜合考慮了影響用電量的因素。仿真測試表明HGMBP模型對用電量預(yù)測總體上精度得到了提高，尤其對用電量受到氣象因素影響波動較大時(shí)段的預(yù)測精度提高比較明顯。
　　針對HGMBP模型在訓(xùn)練權(quán)閾值時(shí)出現(xiàn)局部極小值和收斂速度慢的問題，研究了遺