[發明專利]一種電力系統中變電站短期電能質量預測方法

無效

• 申請號: 201210434409.5
• 申請日: 2012-11-05
• 公開（公告）號: CN103020728A
• 公開（公告）日: 2013-04-03
• 發明（設計）人: 薛俊茹;宋銳;張海寧;孔祥鵬;叢貴斌;劉可;趙世昌;王軒;梁英;李春來;楊嘉;馬勇飛;楊軍;楊立濱;張杰;張展;杜永濤
• 申請（專利權）人: 青海電力科學試驗研究院;北京一同宇科技發展有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/08
• 代理公司: 西寧金語專利代理事務所 63101
• 代理人: 哈慶華

技術領域

本發明涉及電網管理技術領域，具體地說是涉及一種電力系統中變電站短期電能質量預測方法。

背景技術

電力系統中變電站短期電能質量相關數據預測可獲得很高的精度，由于電力系統負荷變化受多方面的影響，一方面，負荷變化存在著由未知不確定的因素引起的隨機的波動；另一方面，又具有周期變化的規律性，這也使得負荷曲線具有相似性，所以變電站的電能質量數據也會波動。

發明內容

本發明的目的是針對現有技術存在的不足，提供一種電力系統中變電站短期電能質量預測方法。

本發明一種電力系統中變電站短期電能質量預測方法通過下述技術方案予以實現：一種電力系統中變電站短期電能質量預測方法，其特征在于：所述的方法包括如下步驟：

（1）BP神經網絡引入步驟　采用BP神經網絡，即誤差反向傳播神經網絡，是人工神經網絡中應用最廣的一種神經網絡；在人工神經網絡的實際應用中，BP神經網絡廣泛應用于函數逼近、模式識別和分類、數據壓縮、預測等領域，80%-90%的人工神經網絡模型都是采用BP神經網絡或者是BP神經網絡的變化；

（2）BP神經元三層BP神經網絡學習步驟　BP神經元是BP神經網絡最基本的組成部分，其中，????????????????????????????????????????????????為BP神經元的輸入，?代表BP神經元之間的連接權值，?為閾值，f為BP神經元的傳輸函數，y為BP神經元的輸出，有??

??????????????????????????????????????????(1)

BP神經網絡輸入向量為；BP神經網絡目標向量為；BP神經網絡中間層單元輸入向量為，BP神經網絡輸出向量為；BP神經網絡輸出層單元輸入向量為，BP神經網絡輸出向量為；BP神經網絡輸入層至中間層的連接權值為，?，?；BP神經網絡中間層至輸出層的連接權值為，?，?；BP神經網絡中間層各單元的輸出為，?；BP神經網絡輸出層各單元的輸出為，?；參數；

三層BP神經網絡的學習過程如下：

1），初始化，給每個連接權值和、閾值和賦予區間[-1,+1]內的隨機值；

2），隨機選取一組輸入和目標樣本、提供給BP神經網絡；

3），用輸入樣本、連接權值和閾值計算中間層各單元的輸入，然后用通過傳遞函數計算中間層各單元的輸出：

，????????????????(2)

??????????????，????????????????(3)???

4），利用中間層的輸出，連接權值和閾值計算輸出層各單元的輸出，然后通過傳遞函數計算輸出層各單元的響應：

?????????????，?????????????????????(4)

???????????，?????????????????????????(5)

5），利用網絡目標向量，網絡的實際輸出，計算輸出層的各單元一般化誤差：

????????????，?????????????????(6)

6），利用連接權值、輸出層的一般化誤差和中間層的輸出計算中間層各單元的一般化誤差：

???????????，??????????????????(7)

7），利用輸出層各單元的一般化誤差和中間層各單元的輸出來修正連接權值和閾值：

?????，?，?，?????(8)

??????，?，?，?????(9)

8），利用中間層各單元的一般化誤差，輸入層各單元的輸入來修正連接權值和閾值：

??????，?，?，?????(10)

???????，，，????(11)

9），隨機選取下一個學習樣本向量提供給網絡，返回到步驟3)，直到個訓練樣本訓練完畢；

10），重新從個學習樣本中隨機選取一組輸入樣本和目標樣本，返回步驟3），直到網絡全局誤差E小于預先設定的一個極小值，即網絡收斂；如果學習次數大于預先設定的值，網絡就無法收斂；

（3）BP神經網絡的設計步驟

BP神經網絡的設計主要包括輸入層、隱含層、輸出層及各層之間的傳遞函數幾個方面，使用的軟件是matlab；