[發明專利]基于徑向基神經網絡的母線短期負荷預測方法

在審

• 申請號: 202011306110.2
• 申請日: 2020-11-20
• 公開（公告）號: CN112580853A
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 湯義勤;鄒宏亮;柳駿;鄭遠德;王康;劉滌塵;蔣旭;趙潔;唐佳杰;方宇迪;何育欽
• 申請（專利權）人: 國網浙江省電力有限公司臺州供電公司;武漢大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;H02J3/00
• 代理公司: 杭州華鼎知識產權代理事務所(普通合伙) 33217
• 代理人: 戴俊波

1.基于徑向基神經網絡的母線短期負荷預測方法，其特征在于，所述母線短期負荷預測方法包括：

對電力系統中各個指標與母線短期負荷之間的相關性進行分析，根據分析結果篩選出影響母線短期負荷的相關指標；

根據篩選出的相關指標，結合相關性的分析結果構建徑向基神經網絡；

根據所述相關指標的歷史數據對徑向基神經網絡進行訓練，得到訓練后的徑向基神經網絡；

將相關指標的實時數據輸入訓練后的徑向基神經網絡，得到母線短期負荷的預測結果。

2.根據權利要求1所述的基于徑向基神經網絡的母線短期負荷預測方法，其特征在于，所述對電力系統中各個指標與母線短期負荷之間的相關性進行分析，根據分析結果篩選出影響母線短期負荷的相關指標，包括：

基于公式一計算每個指標與母線短期負荷的pearson系數；

r為指標X與母線短期負荷Y之間的pearson系數，K為指標的總個數，X、Y的取值范圍為正數，K的取值范圍為正整數，r的取值范圍為-1≤r≤1，其中當r0時，表示對應的指標X與母線短期負荷Y為正相關，當r0時，表示對應的指標X與母線短期負荷Y為負相關；

篩選出θ≤|r|≤1的指標作為影響母線短期負荷的相關指標，θ為預設相關閾值，θ的取值范圍為小于1的正數。

3.根據權利要求1所述的基于徑向基神經網絡的母線短期負荷預測方法，其特征在于，所述根據篩選出的相關指標，結合相關性的分析結果構建徑向基神經網絡，包括：

結合相關指標與預設時段的個數乘積確定徑向基神經網絡中輸入層的節點個數，根據相關指標的類型確定徑向基神經網絡中隱藏層的中心節點；

通過徑向基函數連接輸入層的節點與隱藏層的中心節點；

基于相關指標與母線短期負荷之間的相關性設置權重，通過所述權重連接徑向基神經網絡中的隱藏層和輸出層。

4.根據權利要求3所述的基于徑向基神經網絡的母線短期負荷預測方法，其特征在于，所述根據所述相關指標的歷史數據對徑向基神經網絡進行訓練，得到訓練后的徑向基神經網絡，包括：

將相關指標的歷史數據輸入徑向基神經網絡，對設置的權重進行訓練；

獲取母線側在每個預設時段的歷史負荷，通過輸出層獲取徑向基神經網絡的輸出結果；

計算輸出結果與歷史負荷之差的絕對值作為預測誤差，根據預測誤差計算平均相對誤差、最大相對誤差、超負荷率、高于真實值負荷率、低于真實值負荷率、負荷預測時間；

基于預設權重，計算最大相對誤差、平均相對誤差、超負荷率、高于真實值負荷率、低于真實值負荷率、負荷預測時間的加權乘積；

若加權乘積的值小于預設閾值，則結束對徑向基神經網絡進行訓練。

5.根據權利要求4所述的基于徑向基神經網絡的母線短期負荷預測方法，其特征在于，所述最大相對誤差為預測誤差與歷史負荷的比值中的最大值。

6.根據權利要求4所述的基于徑向基神經網絡的母線短期負荷預測方法，其特征在于，所述平均相對誤差為所有預測誤差與歷史負荷的比值的平均值。

7.根據權利要求4所述的基于徑向基神經網絡的母線短期負荷預測方法，其特征在于，所述超負荷率為預測誤差大于預設誤差閾值的個數占輸出結果總個數的比例。

8.根據權利要求4所述的基于徑向基神經網絡的母線短期負荷預測方法，其特征在于，所述高于真實值負荷率為預測誤差大于0的輸出結果占輸出結果總個數的比例。

9.根據權利要求4所述的基于徑向基神經網絡的母線短期負荷預測方法，其特征在于，所述低于真實值負荷率為預測誤差小于0的輸出結果占輸出結果總個數的比例。

10.根據權利要求4所述的基于徑向基神經網絡的母線短期負荷預測方法，其特征在于，所述負荷預測時間為歷史數據輸入時間至輸出結果獲取時間的時長。