资源描述：
《基于改进神经网络的农村电力系统短期负荷预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、安徽农业科学,JournalofAnhuiAgr.iSc.i2009,37(30):14892-14893,14922责任编辑张彩丽责任校对张士敏基于改进神经网络的农村电力系统短期负荷预测11112张师玲,李正明,周新云,孙俊,张兵(1.江苏大学电气信息工程学院,江苏镇江212013;2.常州工学院,江苏常州213002)摘要为进一步提高农村电力系统短期负荷预测模型的性能,实现准确与快速预测农村电力系统短期负荷的目的,采用基于优化理论的Levenberg2Marquardt算法来改进传统的BP算法,并构造电力系统负荷预测模型。结果表明,基于L2M算法的神经网络预测模型具有
2、较高的预测精度,在农村电力系统短期负荷预测方面具有较高的使用价值。关键词BP神经网络;L2M算法;电力系统短期负荷中图分类号TP391文献标识码A文章编号0517-6611(2009)30-14892-02RuralShort2termLoadForecastingofPowerSystemBasedonImprovedNeuralNetworkZHANGShi2lingetal(SchoolofElectricalandInformationEngineering,JiangsuUniversity,Zhenjiang,Jiangsu212013)AbstractIno
3、rdertomiprovecapacityofruralshort2termloadforecastingmodelofpowersystemandmakeshorttermloadforecastingmoreaccurateandfas,tLevenberg2MarquardtalgorithmbasedonoptmiizationtheorywasadoptedtomiprovethetraditionalBPalgorithm,andthepowersystemloadforecastingmodelwasconstructed.Theresultsshowedt
4、hattheneuralnetworkforecastingmodelbasedonL2Malgorithmhashigherpredictionaccuracyandahighvalueintheruralpowersystemshort2termloadforecasting.KeywordsBPneuralnetwork;L2Malgorithm;Powersystemshort2termload电力系统负荷预报是电力系统调度、实时控制、运行计较为理想的预测结果。划和发展规划的前提,对电力系统的运行、控制和计划都有2BP神经网络及基于L2M算法的网络[4]非常重要的
5、影响,因此,准确合理地预测农村电力系统负荷、2.1传统BP神经网络BP神经网络是目前应用最为广编制农村电网发展规划,是实现农村电气化事业持续健康发泛和成功的神经网络之一,该网络是一种有教师并且单向传展,实现农村电网安全、优质、高效、低耗运营以及实现社会播的多层前向网络。其结构一般包括3层或3层以上,由输[1]效益、环境效益、企业效益协调发展的有力保证。人工神入层、中间层(隐层)和输出层组成。它使用/逆推0学习算经网络具有人脑的联想记忆功能,能充分逼近任意复杂的非法,其基本思想是学习过程有信号的正向传播和误差的反向线性关系,有很好的实用性。目前国际上已经公认了人工神传播两部
6、分组成。当i+1层分别为输出层和隐层时,其权值[2]经网络在电力系统短期负荷预测上的应用,其有效性得到调整公式如下:了证实。但是由于BP算法本身存在容易陷入局部最小、收-G(dk-yk)yk(1-yk)Oij敛速度慢和迭代时间长等缺点,所以会影响预测精度,为了$Wijk=Ni+2-GO(i+1)k(1-O(i+1)k)#(rD(i+1)hX(i+1)kh)Oij提高精度,笔者采用L2M算法来改进BP网络。h=11预测模型(1)农村电力系统负荷变化受多方面因素影响,如气候变化其阈值调整公式如下:和自然灾害、能源市场经济变化以及过高的估计发展速度G(dk-yk)yk(1-yk
7、)5E$Hik=-GNi+2等,会使负荷变化出现差异,另一方面,负荷变化又具有周期5HikGO(i+1)k(1-O(i+1)k)#(rD(i+1)hX(i+1)kh)h=1变化的规律性,这也使得负荷曲线具有相似性。电力系统负(2)荷曲线是一个非线性函数,对于抽取和逼近这种非线性函Ni+2[3]数,神经网络是一种合适的方法。神经网络的优点在于它Dik=O(i+1)k(1-O(i+1)k)#(rD(i+1)hX(i+1)kh)(3)h=1具有模拟多变量而不需要对输入变量作复杂的相关假定的式中,yi表示神经网络实际输出,di表示网络
