基于动态神经网络的广义电力负荷建模

《基于动态神经网络的广义电力负荷建模》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程硕士学位论文基于动态神经网络的广义电力负荷建模作者姓名黄俊铭工程领域电气工程校内指导教师朱建全副教授校外指导教师王建武高级工程师所在学院电力学院提交日期2018年4月GeneralizedpowerloadmodelingbasedondynamicneuralnetworkADissertationSubmittedfortheDegreeofMasterCandidate：HuangJunmingSupervisor：AssociatProf.ZhuJianquanSNENGR.WangJianwuSouthChin

2、aUniversityofTechnologyGuangzhou,China分类号：TM744学校代号：10561学号：201621012124华南理工大学硕士学位论文基于动态神经网络的广义电力负荷建模(国家自然科学基金资助项目:51307064)作者姓名：黄俊铭指导教师姓名、职称：朱建全副教授申请学位级别：工程硕士工程领域名称：电气工程论文形式：□产品研发□工程设计应用研究□工程/项目管理□调研报告研究方向：电力系统控制与分析论文提交日期：2018年4月20日论文答辩日期：2018年6月3日学位授予单位：华南理工大学学位

3、授予日期：年月日答辩委员会成员：主席：卢恩委员：刘明波、朱建全、林舜江、董萍华南理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属华

4、南理工大学。学校有权保存并向国家有关部门或机构送交论文的复印件和电子版，允许学位论文被查阅（除在保密期内的保密论文外）；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。本人电子文档的内容和纸质论文的内容相一致。本学位论文属于：□保密，在年解密后适用本授权书。不保密,同意在校园网上发布，供校内师生和与学校有共享协议的单位浏览；同意将本人学位论文提交中国学术期刊(光盘版)电子杂志社全文出版和编入CNKI《中国知识资源总库》，传播学位论文的全部或部分内容。(请在以上相应方框内打“√”

5、)作者签名：日期：指导教师签名：日期作者联系电话：电子邮箱：联系地址(含邮编)：摘要针对现今智能电网高速发展，风电、太阳能、储能等分布式电源大量接入负荷节点，造成广义电力负荷的成分愈加复杂、特性难以描述的现况，本文提出了基于动态径向基函数（RadicalBasisFunction，RBF）神经网络的广义电力负荷建模新方法：（1）本文分别将电压的变化量、电压、和功率作为RBF神经网络的输入，功率变化量作为输出，利用动态RBF神经网络描述综合负荷功率的动态微分变化过程，可以深度揭示广义电力负荷的动态特性。（2）利用状态估计误差对

6、RBF神经网络的权值进行动态更新，并对不满足持续性激励条件的神经元的权值进行限制，确保了训练后动态RBF神经网络的状态估计误差可以收敛到0，同时，不满足持续性激励条件的神经元的权值被限制在0附近，而满足持续激励条件的神经元的权值则可以收敛至最优值，从而使动态RBF神经网络就实现了对广义电力负荷有功动态特性的最优逼近。（3）把RBF神经网络的训练看作是寻找神经网络最优权值的问题，将神经网络权值作为状态变量，人为设置量测噪声矩阵和误差协方差矩阵，使用EKF算法（拓展卡尔曼滤波算法）对RBF神经网络进行训练，使得RBF神经网络的训

7、练能够快速收敛；对于RBF神经网络训练中出现的收敛不稳定问题，提出量测R矩阵自适应律，在神经网络当前时刻输出与期望输出差别过大时对量测R矩阵的元素进行修改，使得RBF神经网络的训练过程保持稳定。关键词：广义负荷建模；动态建模；动态神经网络；收敛性IABSTRACTInviewoftherapiddevelopmentofsmartgrid,thedistributedpowersourcessuchaswindpower,solarenergyandenergystorageareheavilyconnectedtothel

8、oadnode,whichmakesthecompositionofthegeneralizedpowerloadmorecomplexandthecharacteristicsaredifficulttodescribe.Thispaperproposesageneralizedpowe