自组织灰色神经网络中的基于电力系统短期负荷预测方法应用研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇自组织灰色神经网络中的基于电力系统短期负荷预测方法应用研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要:基于自组织灰色神经网络中的电力系统异常短期负荷数据辨识与修正方法应用,然后分别进行前向自组织灰色插值法和后向自组织灰色插值法对缺失点短期负荷进行预测,来优化两种预测的最优组合来确定最终的填补值;在填补短期负荷缺失点的同时,也对短期负荷序列中的异常值使用自组织灰色插值方法进行了辨识及修正。
关键词:电力系统; 短期负荷预测; 预测方法; 实际应用
随着计算机应用技术与电力系统短期负荷预测快速发展,在自组织灰色神经网络的非线性动力学性质,主要采用动力学系统理论来分析电力系统短期负荷预测自组织灰色神经网络的演化过程和吸引子的性质,促进自组织灰色神经网络的协同行为和集体计算功能和电力系统短期负荷预测以及电力系统发电计划的重要组成部分,也是电力系统经济运行的基础管理。促进国家电网运行的安全性、稳定性及经济性,优化电能质量控制及准确的优化电力系统短期负荷预测效果。因此,在电力系统短期负荷预测的关键是提高定位精确度。在当前电力发展迅速和供应紧张的情况下,合理优化电力系统短期负荷预测也是我国实现电力市场的必备条件,具有重要的自组织灰色神经网络中的实用价值。
1 大规模电力系统短期负荷预测原理研究
短期负荷预测包括两方面的含义对未来需求量的预测和未来用电量的预测。电力需求量的预测决定发电、输电、配电系统新增容量的大小;电能预测决定发电设备的类型。短期负荷预测的目的就是提供短期负荷发展状况及水平,同时确定各供电区、各规划年供用电量、供用电最大短期负荷和规划地区总的短期负荷发展水平,确定各规划年用电短期负荷构成不同的预测目的,短期负荷预测可分为超短期、短期和中长期的预测。一般说来,一小时以内的短期负荷预测为超短期负荷预测,用于安全监视、预防性控制和紧急状态处理;日短期负荷和周短期负荷预测为短期负荷预测,分别用于安排日调度计划和周调度计划和月至年的短期负荷预测为中期短期负荷预测,主要确定电网的运行方式和设备大修计划。
1.1 大规模电力系统短期负荷预测中的基于电力系统调度中的研究
短期负荷预测是电力系统调度、实时控制、运行计划和发展规划的前提,是一个电网调度部门和规划部门所必须具有的基本信息。提高短期负荷预测技术水平,有利于计划用电管理,有利于合理安排电网运行方式和机组检修计划,有利于节煤、节油和降低发电成本,有利于制定合理的电源建设规划,有利于提高电力系统的经济效益和社会效益。因此,短期负荷预测已成为实现电力系统管理现代化的重要内容。随着首都经济社会的快速发展和人民生活水平的不提高,电力需求持续快速增长,在度冬、度夏及特殊天气日,极易出现极端短期负荷。在这种情况,为了进一步优化输电和配电等运行方式安排,提高电网运行的安全性和经济性,改善供电质量,保证社会的正常生产和生活,提高经济效益和社会效益,将短期负荷预测作为电网调度机构的一项极其重要的工作。短期负荷预测的结果是电力系统运行的基础数据,其精度直接影响运行的安全性和经济性。因此,提高预测精度也是每个短期负荷预测人员追求的最高目标。根据不同的预测目的,短期负荷预测可分为超短期、短期和中长期的预报。
2大规模自组织灰色神经网络中的基于自组织灰色系统方法研究
自组织灰色神经网络中的电力系统短期负荷预测是既含有已知的确切的信息又含有未知的非确切的信息的系统。如果将影响短期负荷的各种复杂因素联合起来看成一个集成大系统,那么它兼有确定性和不确定性,本征性和非本征性自组织灰色系统特征。实际的短期负荷历史资料能够清晰的显示出其自组织灰色系统特征,年月日的短期负荷既有逐年增长趋势确定的一面,同时又有每年每月每日短期负荷随机变化的不确定性的一面。自组织灰色系统理论可以用少量的数据做微分方程建立起预测的模型,从理论上可以使用于任何非线性的短期负荷预测。将一定范围内变化的历史短期负荷数据列进行累加,使其变成具有指数增长规律的新数列,然后就生成的新数列建立自组织灰色模型,最后通过累减生成得到短期负荷预测值。对于具有波动性变化的电力短期负荷,可以建立等维新息自组织灰色预测模型,有效提高预测精度。
2.1大规模自组织灰色神经网络中的基于自组织灰色短期负荷预测模型研究
随着自组织灰色神经网络模型是指利用神经网络良好的非线性映射能力来求解GM(1,1)模型的自组织灰色微分方程,优化自组织灰色电力系统短期预测负荷模型研究（如图一）。
（图一）
GM(1,1)模型的自组织灰色短期负荷预测微分方程为:（1）
其解是时间响应模型,用离散形式可表示为:（2）
图一中,BP网络隐层B的传递函数取为S型函数:（3）
其它各层的传递函数为线性函数:（4）
对(2)式可进行如下变换:
(5)
设偏置值,是电力系统短期负荷中的神经元的权值,k为短期负荷预测网络输入,设,则该自组织灰色短期负荷预测模型的网络参数为:
（6）
启用自组织灰色神经网络短期负荷预测模型权值的来不断修正相当于对参数a、u的不断修正和完善电力系统短期负荷预测。该模型能够解决求解参数a、u算法的缺陷问题。
3 结束语
综合上述自组织灰色神经网络搭建的电力系统短期负荷预测模型学习方法和数据样本,使自组织灰色神经网络就可以据此生成相应的权系数矩阵控制系统,进而实现期望目标输出。因此,一旦给定了经过训练的权系数矩阵和短期负荷预测自组织灰色神经网络的拓扑结构,就可以对被测点进行短期负荷预测[1]。但BP网络学习、记忆的不稳定性以及较慢的学习速度却影响着它的进一步普及,实践证明,自组织灰色神经网络有能力优化电力系统短期负荷预测应用研究。
参考文献:
[1]于繁华,刘仁云.计算智能技术及其工程应用[M].北京:科学出版社,2010.6
[2]施彦等.神经网络设计方法与实例分析[M].北京:北京邮电大学出版社,2009.12
[3]牛东晓.电力短期负荷预测技术及其应用[M].北京:中国电力出版社,2009,6.
[4]罗云霞、李燕.电力系统基础[M].郑州:黄河水利出版社,2009,1.
[5]周显玉.短期电力短期负荷预测的基本模型[J].科技创新导报,2008,9:41.
注：文章内所有公式及图表请以PDF形式查看。