基于改进bp神经网络的在线短路电流预测

《基于改进bp神经网络的在线短路电流预测》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、学校代号１０５３２学号Ｓ１３０９３０〇ｎ分类号ＴＭ７６９＿＿＿密级公开凶巧巧咕戀碱或Ａ拿ＨＵＮＡＮＵＮＩＶＥＲＳＩＴＹ硕±学位论文基于改进ＢＰ神经网络的在线短路电流预测学位申请人姓名黄旭培养单位电气总Ｔ巧学院导师姓名及职称何洪巧副教巧学科专业电ｆ科学巧术硏究方向智能化Ｎ安全经济运营新巧术论文提交日期２０１６年４月２０円学校代号：１０巧２学号：Ｓ１３０９３００１１密级：公开额南大学硕±学位论文基于改进ＢＰ神经网络的在线短路电流预测学位由请人姓名：ｍｍ

2、导师姓名及职称；何洪巧副教巧培养美位：电气与信息工程学院专业名称：电子科学与巧术论文提交日期：２０１６年４月２０日１论文答雜日期：２０１６年Ｓ月９日答雜委员会主巧：黎福海巧授Ｏｎ－ｃｒｃｕｕｒｒｅｎｔｏｒｅｃａｓｔａｓｅｄ打ｍｒｒｌｉｎｅＳｈｏｒｔｉｉｔＣＦＢ０ＩｐｏｖｅｄＢＰＮｅｕａｌＮｅｔｗｏｒｋｂｙＨＵＡＮＧＸｕＢ．Ｅ．（ＨｕｎａｎＵｎｉｖｅｒｓｉｔｙｏｆＨｕｍａｎｉｔｉｅｓ，ＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ）２０１２Ａ也ｅｓｉｓｓｕｂｍｉｔｅｄｉｎ

3、ａｒｔｉａｌｓａｔｉｓｆａｃｔｉｏｎｏｆ化ｅｐＲｅｑｕｉｒｅｍｅｎｔｓｆｏｒ化ｅｄｅｇｒｅｅｏｆＭａｓｔｅｒｏｆＥｎｇｉｎｅｅｒｉｎｇｉｎＥｌｅｃｔｒｏｎｉｃＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｉｎ也ｅＧｒａｄｕａｔｅＳｃｈｏｏｌｏｆＨｕｎａｎＵｎｉｖ巧ｓｉｔｙＳｕｅｒｖｉｓｏｒｐＡｓｓｏｃｉａｔｅＰｒｏｆｅｓｓｏｒＨＥＨｏｎｉｎｇｙｇＡｒｉｌ２０１６ｐ，湖南大学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

4、Ｗ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；沪年嗦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，同意学校保留并向国家有关部口或机构送交论文的复印件和电子版，允许论文被查阅和借阀。本人授权湖南大学可Ｗ将本学位论文的全部或部分内容编入有关数据库进行检、。索，可Ｗ采用影印缩印或扫描等复制手段保存和汇编本学位论文本学位论文属于１、保密□，在年解密后适

5、用本授权书。２、不保密囚。‘‘’’（请在上相应方框内打Ｖ）＂作者签名￣：悴日期：年３月於日每／年月巧甘导师签名：日期：八Ｉ基于改进趾神经网络的在线短路电流预测摘要二十世纪来，随着大容量发电机组和变电设备的大量投入使用、电力负荷的不断増大、Ｗ及风电核电等新能源的接入，我国电网进入迅速发展新时期。负荷中也大电厂的出现Ｗ及大电力系统之间的互联，使得整个电网呈现出大规模、一复杂异构的特性，与此同时各种问题也随之出现，其中个格外突出的问题就是系统的短路电流水平随电网的发展出现大小和分布的不规则变化。因此根据系统电力负

6、荷的增大Ｗ及自然条件的变化，实时、快速地对短路电流进行计算和预测显得日益迫切，这已成为电力部口进行电网规划与建设Ｗ及采用措施限制短路电流等方面的重要研究课题之一。本文主要围绕基于改进ＢＰ神经网络的在线短路电流预测展开研究。根据Ｗ往电力系统短路电流的计算及预测方法，对ＢＰ神经网络基本理论方法进行深入细致地研究。为了克服神经网络收敛速度慢且由于网络初始值选取不当而陷入局部极小点的缺点，首先利用自适应泡巧粒子群算法优化ＢＰ神经网络各层之间的初始权值和阔值，然后对ＢＰ网络进行训练，从而得到改进的ＢＰ神经网络。通过对短路电流各种特性的分析，综合考虑

7、了电力负荷、发电机出力、天气因素及日期类型等因素对短路电流的影响，并将这些影响因素作为ＢＰ神经网络的输入特征量，，在输入特征量中对节点的负荷值进行异常数据处理在遵循有功出力约束条件和均匀分布的原则下来产生输入样本一，对输入样本进行了归化处理，对温度、天气状况、日期类型进行了量化处理。将采用基于精确等效模型计算方法得到的短路电流实际值作为输出期望值，建立了基于改进ＢＰ神经网络的在线短路电流预测模型。一天最后对某市２４个整点时刻的短路电流进行预测，比较基于改进ＢＰ神经网络的在线短路电流预测模型与基于ＢＰ神经网络