欢迎来到天天文库
浏览记录
ID:15709008
大小:539.00 KB
页数:11页
时间:2018-08-05
《智能电网超短期电力负荷预测elm方法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、智能电网超短期电力负荷预测S/C-WMM-ELM方法摘要:随着对电能质量要求的提高以及各项技术的发展,智能电网应运而生。它具有不同于传统电网的清洁性、安全性以及交互性,在一定程度上改变了电力系统的运行方式和供需关系。特别是,由于实时交互性的要求,需要信息在供电侧与消费侧实时、高速、双向的传输,从而赋予了智能电网下电力负荷预测新的特点。本文针对智能电网中要求负荷预测的实时性,提出基于更新准则的加权多模型极限学习算法。该算法建立多个前馈神经网络模型,基于更新准则将模型集分成三部分:即时更新模型、批次更新模型和挂起模型。任一时刻对于该时刻输出误差较小的即时更新模型,无需采
2、用随机方式进行在线更新;对于每一时刻都出现较大误差的批次更新模型,则利用新来的真实数据,用随机方式重新在线计算;对于输出误差较大的挂起模型,采用随机方式进行在线更新。因其在训练过程中无需迭代学习即可确定网络参数,达到了节省训练时间,提高预测快速性的目的。最后分别采用平日、节日、假日等多时间段数据进行应用研究,结果表明无论在拟合精度,还是计算时间上都满足要求。关键字:智能电网,负荷预测,超短期,加权多模型,极限学习机S/C-WMM-ELMMethodforUltra-shortTermLoadforecastinginSmartGridAbstract:Withthe
3、increaseofpowerqualityandthedevelopmentoftechnologies,thesmartgridemergeasthetimesrequire.It’sdifferentfromthetraditionalpowergridwithcleanliness,safetyandinteraction.Tosomeextent,itchangedtheoperationmodeandthesupplyanddemand.Astherequirementsofreal-timeinteraction,informationisneeded
4、inareal-time,high-speedandtwo-wayinteractionwaybetweenthesupplysideandconsumerside.So,itgivesthenewfeaturestothesmartgrid.Inthispaper,WeightedSuspendMultipleModelsExtremeLearningMachineisproposedforitsrequirementofreal-time.ItestablishesMultipleSingleLayerFeedforwardNeuralNetworks(SLFN
5、N).Thenageneralizationsuspendingcriterionisdesignedtoseparatethewholemodelsintothreeparts:thesequentialsinglemodels,thesequentialchunkmodelandtheupdatingmodels.Forthesequentialsinglemodelswithminorerrorinthismoment,itneedn’tadopttherandomselectionmethodtoupdateonline,whichisusedtodecre
6、asetheoverflowedoutput.Forthesequentialchunkmodelswithmajorerrorineverymoment,thelatestrealdatacanbeusedtore-calculatebyrandommethod.Fortheupdatingmodelswithmajorerror,itmustutilizetherandomselectionmethodtoupdatetheinputweightingmatrixtoensuretheadaptivecharacteristicsofthemultiplemod
7、els.Duetothenetworkparametersisdeterminedwithoutiteration,thisalgorithmsavemuchtimeandensurethefastforecasting.Theforecastingresultofworkdayandholidaysarerespectivelycarriedoutbythismethod,showsthatboththefittingaccuracyandcomputingtimemeetstherequirement.Keywords:smartgrid,loadforec
此文档下载收益归作者所有