中壓配電網短期節(jié)點負荷預測的模糊神經網絡法.pdf

1、中壓配電網是電力系統(tǒng)的重要組成部分,其安全、經濟運行是整個電力系統(tǒng)安全、經濟運行的重要保障.中壓配電網短期節(jié)點負荷預測技術可為運行規(guī)劃、故障處理、需求側管理及未來的配電市場開放等提供數(shù)據(jù)支持.因此十分重要.由于中壓配電網節(jié)點負荷具有歷史數(shù)據(jù)少、數(shù)據(jù)不精確、負荷變化的趨勢性不明顯和負荷變化模式易變等特點,傳統(tǒng)方法很難解決這類問題,亟需建立一種新的節(jié)點負荷預測方法.為此,本文做了以下工作: 1.在并行分布處理模型基礎上,構建了一種新

2、型的模糊神經網絡以求解中壓配電網短期節(jié)點負荷預測問題.該網絡具有輸入層、輸入模糊化運算層、樣本神經元層、輸出隸屬度函數(shù)層和反模糊化運算層五層前饋式結構,所有節(jié)點在學習的過程中動態(tài)生成. 2.提出了一種快速、增量式的學習算法.學習過程中,采用無監(jiān)督學習算法對輸入權重進行調整,采用有監(jiān)督學習算法對輸出權重進行調整.該算法只需一次學習就能達到較好的精度,而且實現(xiàn)了增量學習,即在學習新知識的同時,不破壞原有知識.此外,對近似的樣本神經元

3、進行合并,使用剪枝操作刪除含壞數(shù)據(jù)的樣本神經元,從而保證了算法的健壯性,并且精煉了網絡結構. 3.使用兩個來自實際系統(tǒng)的算例驗證了本文方法的有效性.算例1屬于商業(yè)負荷,其負荷變化比較規(guī)律；算例2來自居民負荷,負荷變化規(guī)律性很差. 模糊神經網絡的相關參數(shù)由經驗風險最小化的原則確定.計算結果表明本文方法計算速度快,容錯能力強,并且有很好的泛化能力.此外,對實際配電網的測量系統(tǒng)進行分析,在此基礎上提出了一種新的節(jié)點負荷數(shù)據(jù)處理