人工神经网络在电力系统短期负荷预测中的应用

《人工神经网络在电力系统短期负荷预测中的应用》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、上海电力2011年第4期人工神经网络在电力系统短期负荷预测中的应用茅竹韧(上海市电力公司浦东供电公司，上海200122)摘要：介绍了BP神经网络算法的原理以及对其采用非线性阻尼最小二乘法Levenberg-Marquardt进行优化的方法。采用MATLAB的神经网络工具箱建立了一个单隐层的BP神经网络模型和预测流程，采用24个输人人工神经网络模型预测每天的整点负荷，并且讨论了如何进一步通过改变网络参数以提高负荷预测精度。实验仿真结果表明，此方法预测短期电力负荷，可以得到令人满意的训练速度及预测精度。

2、关键词：人工神经网络；短期负荷预测；BP算法；Levenberg—Marquardt算法中图分类号：TM715文献标志码：B法——Levenberg—Marquardt算法进行训练，提1电力负荷预测高了电力负荷预测的快速性和准确性，使其非常短期负荷预测是指一年之内以月为单位的负适合于人工神经网络训练。对中小型网络而言，荷预测，还指以周、天、小时为单位的负荷预测，通该算法优势尤其突出。常预测未来一个月度、未来一周、未来一天的负荷以某地区负荷有功功率的数据为背景，运用指标，也预测未来一天24h中的负荷。

3、其意义在MATLAB7．0神经网络工具箱进行仿真实验。于帮助确定燃料供应计划；对运行中得电厂出力通过调整网络隐层、输出层的传递函数，隐层神经要求提出预告，使对发电机组出力变化事先得以元个数，网络训练方法，对L—M算法的BP(Back估计；可以经济合理地安排本网内各机组的启停，Propagation)模型作了训练速度、预测精度、推广降低旋转储备容量；可以在保证正常用电的情况能力等性能的比较，使该网络精确度较高。但也下合理安排机组检修计划。应该注意到，神经网络还存在一些问题，如训练样本文选用神经网络的误

4、差反向传播(BP)算本、网络结构、过拟合问题等，因此还可以做进一法预测电力系统负荷。BP算法可以任意逼近非步研究。线性系统的特性，响应快，具有良好的容错性，能2BP神经网络很好地对历史的负荷曲线进行拟合。但由于BP算法本身存在容易陷入局部极小值、收敛速度慢、BP(BackProgagation)神经网络通常是指基迭代时间长等一些固有缺陷，因此影响了BP神于误差反向传播算法(BP算法)的多层前向神经经网络预测模型的精度。这里采用改进BP网络。它是由学者D．E．Rumelhart和J．L_(6)能否增强

5、FA的功能，对于零流保护也威胁越来越大，而社会对于供电可靠性的需求能正确动作。目前的出线零流保护与环网柜及箱却与日俱增。将来单一地依靠传统的配电电网变内的故障指示器定值不匹配，造成对于故障跳抢修模式必将无法满足越来越突出的用电需闸后的出线所有电缆均需遥测绝缘，以确定故障求，FA的完善和升级对于配电电网来说无疑是点。现在浦东配电电网的大面积电缆化使得用上增加了一个“智能的大脑”和“快捷的双手”，不述方法寻测故障费时费力，如能解决零流保护的但能迅速发现和隔离故障，同时也能及时对失问题，那将大大节省抢修和

6、停电时间。电用户恢复供电。收稿日期：2011-08-105结语作者简介：胡年平(1984一)，男，助理工程师，从事电力调度随着浦东的飞速发展，大量的基础建设、轨工作。道交通建设、道路开挖等对配电网的可靠性的(编辑：吕斌)一318一201i年第4期上海电力Mcclelland及其研究小组在1986年设计出来的。点就是占用的内存量太大，因为要存储雅可比矩它们首先用它解决了XOR问题，还解决了对称性阵的值。理论上已经证明，在计算赫赛矩阵的近判别、T-C匹配等单层感知器所不能解决的问题。似值时，不一定要计算

7、整个雅可比矩阵的值。例BP模型是目前神经网络研究的主流模型之一，在如，可以把雅可比矩阵分成两个子矩阵，各方面得到了广泛的应用，显示出优越的能力。广r，1H—JJ一[-，]lLJlBP网络结构如图1所示。网络除输入输出2J节点外，还有一层或多层的隐层节点，同层节点中—JJ。+JjJ(2)没有任何耦合。输入信号从输入层节点依次传过所以可以计算出维数较小的子矩阵，再通过各隐层节点，然后传到输出接点，每一层节点的输求和得到赫赛矩阵的近似值。出只影响下一层节点的输出。其节点单元特性在函数trainlm的训练参

8、数中，参数men—re—(传递函数)通常为Sigmoid型，但在输出层中，节due定义了需要计算的雅可比矩阵的子矩阵。当点的单元特性有时为线性。该网络通过对简单的它等于1时，需要计算完整的雅可比矩阵；当它等非线性函数进行数次复合，可近似复杂的函数。于2时，只需计算半个雅可比矩阵，这样就可以较InputLayerofNeurons小一般的内存需求量。，一—、，一——————、InputLayerofNeurompl厂—、3用MATLAB的ANN工具箱实现短期p2负荷预测