基于动量因子的神经网络群电流负荷预测模型.pdf

《基于动量因子的神经网络群电流负荷预测模型.pdf》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、第44卷第17期电力系统保护与控制v01．44No．172016年9月1日PowerSystemProtectionandControlSep．1，2016DoI：10．7667／PSPC161099基于动量因子的神经网络群电流负荷预测模型田野(浙江大学电气工程学院，浙江杭州1310027)摘要：通过建立改进的4层神经网络群，以历史负荷电流作为样本进行训练，实现对于未来负荷电流的预测。针对传统BP神经网络易收敛到局部极值的问题，引入了动态调整的动量因子。为增强对于随月份动态变化较剧烈的负荷的预测能力，提出了BP网络群结构。数据模拟结果说明该算法具有高精确性，可有效

2、估算出下一阶段线路电流负荷变化趋势值，并且预测速度满足实际使用要求。该模型可以用于监测重点单位用电负荷变化情况，及早提示供电单位采取相应措施，促进智能电网建设。关键词：电流负荷预测；神经网络；大数据分析AforecastingmodelforcurrentloadofneuralnetworkgroupbaseduponmomentumfactorTIANY(CollegeofElectricEngineering，ZhejiangUniversity,Hangzhou310027，China)Abstract：Usingtheformeractuallinecu

3、rrentloadoperationvalueasthetrainingsample，theimprovedfourlayerneuralnetworkgroupmodelisputforwardtopredictthefuturecurrentloadvalue．FortheproblemthatBPneuralnetworkiseasytoconvergetoalocalextremum，automaticadjustingmomentumisapplied．Toenhancetheabilityinforecastingtheloadchangingalot

4、indiferentmonths，theBPnetworkgroupstructureisputforward．Datasimulationresultsshowthatthealgorithmhashighaccuracyandcanefectivelyestimatethecurrentloadchangetrendofthenexttime．Thespeedofpredictioncanmeettherequirementsofpracticalapplication．ThismodelCanbeusedasalargedataanalysismodelfo

5、rmonitoringthechangeofthepowerloadofthekeyunits，andtheearlyproposalispromptlyproposedtopowersupplyunittotakethecorrespondingmeasures．ThismodelCanalsopromotetheconstructionofsmartgrid．Keywords：currentloadforecasting；neuralnetwork；largedataanalysis模型也很难适应全年12月每个月不同负荷变化的0引言情况L7]。本文选用神经网络

6、作为预测模型是基于其在大数据分析时代，电力负荷预测技术可以给通过学习能够自适应实现复杂的输入一输出非线性供电部门电力调度⋯提供决策依据，提高供电系统映射关系这个特征[81。文中提出的预测模型中，动整体运营效益。电力负荷预测尤其对于农网10kV量因子可以根据本次训练代数、训练时间与上次训线路电流预测有着重要意义：(1)及时发现线路电流练代数和训练时间的设定阈值大小自动调整以获得负荷变化趋势，及早发出提示信息，指导供电单位最佳值，优化整个网络训练速度。考虑到不同月份合理调度电力系统。(2)对于个别用电单位非法盗的负荷有较大差异，建立了网络群结构，提高了预电，致使供电部

7、门带来经济损失又不能被及时发现测精度。的，通过预测技术可以快速报警，给予及时提示。1神经网络基本理论(3)传统人工调度手段可以通过电流预测技术给予合理替代和科学完善。有关预测算法目前比较著名1．1神经元模型且常用的有灰色理论L2J、粗糙集理论pJ、以及神经模拟生物的神经网络，BP神经网络由神经元构网络理论【4等。现有文献中[5-61一些预测模型在确定成。如图1所示。神经元模型中，其中，x2，，⋯，后，其学习速率、参数一般不再变化，对随月份动为输入量，，，⋯，为权值系数，b为阈值，厂态变化比较剧烈的负荷预测精度不够。只采用一个为激励函数。输出量为．32一电力系统保护

8、与控制基础