基于遗传优化神经网络的电力系统短期负荷预测

电力系统短期负荷预测是电力系统运行管理和实时控制所必须的基本内容,预测结果的准确性对电力系统的安全、优质,经济运行具有重要意义.通过非参数预测法建立电力系统短期负荷预测模型,以此作为Elman神经网络训练的样本集,实现网络样本设计,结构设计与网络训练,充分发挥Elman神经网络动态特性,将改进的遗传算法和Elman神经网络相结合,通过选择,交叉、变异等遗传操作,实现了神经网络权值优化.采用基于遗传优化神经网络的电力系统短期负荷预测新算法,提高了负荷预报精度,具体算例证明了算法的可行性和有效性.     

基于遗传优化神经网络的电力系统短期负荷预测

电力系统短期负荷预测是电力系统运行管理和实时控制所必须的基本内容,预测结果的准确性对电力系统的安全、优质,经济运行具有重要意义。通过非参数预测法建立电力系统短期负荷预测模型,以此作为Elman神经网络训练的样本集,实现网络样本设计、结构设计与网络训练,充分发挥Elman神经网络动态特性,将改进的遗传算法和Elman神经网络相结合,通过选择,交叉、变异等遗传操作,实现了神经网络权值优化。采用基于遗传优化神经网络的电力系统短期负荷预测新算法,提高了负荷预报精度,具体算例证明了算法的可行性和有效性。     

基于神经网络的短期电力负荷预测仿真研究

为了提高短期电力负荷预测精度,分别建立了基于BP神经网络和Elman神经网络的短期负荷预测模型。采用附加动量法优化BP神经网络以提高其收敛速度;针对Elman神经网络易陷入局部极值的缺点,改进其激励函数并采用LM算法优化学习算法。Matlab仿真结果表明,改进后的Elman神经网络模型比BP神经网络模型的预测精度高,收敛速度快,更适合处理动态问题。     

人工鱼群神经网络在电力系统短期负荷预测中的应用

短期负荷预测结果对电力系统的经济效益具有重要影响.人工鱼群算法是最新提出的新型寻优策略,具有良好的克服局部极值、获得全局极值的能力.文章建立了一种新的人工鱼群神经网络预测模型,利用人工鱼群算法训练神经网络的权值,再将该神经网络用于短期负荷预测.对某电力系统进行的负荷预测结果表明,该方法与传统的BP神经网络预测方法相比具有较强的自适应能力和较好的预测效果.     

基于改进BP神经网络的短期电力负荷预测方法研究

针对短期负荷预测精度低、准确性差等问题,将猫群算法CSO和BP神经网络相结合用于短期负荷预测,模型的输入因子是负荷数据和气象信息等,利用猫群算法对BP神经网络的权值和阈值进行优化,得到BP神经网络预测模型的最优解,建立了短期预测模型。通过实例验证了预测模型的有效性和有效性,结果表明,改进模型能够有效降低BP神经网络模型的预测误差,提高预测精度,为我国电力系统短期负荷预测的发展提供了参考和借鉴。     

基于改进型Elman神经网络龋短期电力负荷预测

精确的短期电力负荷预测对电力系统的生产调度和安全稳定运行起到十分重要的作用。为提高短期电力负荷预测模型的精度。提出了一种基于Elman神经网络的改进模型。通过在输出层和隐含层之间扩展一个新的承接层。增强了Elman神经网络的动态信息处理能力。仿真结果表明,改进型Elman神经网络预测模型的预测精度要高于反向传播、支持向量机和常规Elman,同时也说明了建立改进型Elman模型用于短期电力负荷预测是可行的。     

基于改进型Elman神经网络的短期电力负荷预测

精确的短期电力负荷预测对电力系统的生产调度和安全稳定运行起到十分重要的作用。为提高短期电力负荷预测模型的精度,提出了一种基于Elman神经网络的改进模型。通过在输出层和隐含层之间扩展一个新的承接层,增强了Elman神经网络的动态信息处理能力。仿真结果表明,改进型Elman神经网络预测模型的预测精度要高于反向传播、支持向量机和常规Elman,同时也说明了建立改进型Elman模型用于短期电力负荷预测是可行的。     

短期电力负荷的智能预测方法研究

为了提高电力系统短期负荷预测的精度,提出将基于模拟退火思想的改进粒子群优化（SAPSO）算法和误差反向传播（BP）算法相结合构成SAPSO—BP混合算法用于训练人工神经网络,对短期电力负荷进行预测。经实际算例验证,该混合算法能有效克服常规BP和PSO算法独立训练神经网络的缺陷,其收敛速度快于BP及PSO—BP算法,并且具有较高的短期电力负荷预测精度。     

基于人工神经网络的短期负荷预测的研究

针对电力系统短期负荷预测的特点,以及人工神经网络的自学习和复杂的非线性拟合能力,将人工神经网络的BP、Elman、RBF三种模型用于短期负荷预测,建立了短期电力负荷预测模型,综合考虑气象、天气等影响负荷因素进行短期负荷预测.某电网实际预测结果表明,RBF比BP、Elman有更好的预测精度,更快的速度.     

模拟退火算法及其在短期负荷预测中应用

将模拟退火算法应用于短期负荷预测领域,其特点是模型简单、运算效率高,并具有较好的全局最优性能,从而很好地克服了传统BP算法容易陷入局部极小点的缺陷。该模型考虑温度和预测日类型,可进行工作日和非工作日的预测。实例表明,该模型实用有效、预测精度高。     

基于梯度法和扰动观察法相结合的多峰值MPPT算法的研究

当多个光伏电池串联组成的光伏阵列被部分遮挡时,光伏特性曲线会出现多个局域峰值,此时基于单峰值的MPPT算法将有可能失效。针对这种情况,本文提出了一种结合梯度法和扰动观察法的多峰值最大功率跟踪算法。该算法采用梯度法搜索出第一个阶梯功率点,并以此功率点作为扰动观察法的起始点搜索局部最大功率点,继而利用此局部最大功率点进行搜索,最后得到最大功率点。与其它多峰值MPPT算法相比,该算法不仅具有编程简便、易于实现的特点,而且具有搜索跟踪速度快和抗干扰能力强等优越性。     

高斯-快速解耦潮流算法

高斯法潮流计算中,PV节点转化为PQ节点易造成计算收敛缓慢,对此文中提出了应用快速解耦法处理网络中PV节点的方法。该方法应用传统高斯法处理PQ节点,利用高斯消元法消去网络中的PQ部分,得到了一个由PV节点和平衡节点组成的网络,然后用快速解耦法求解这个网络,从而实现了算法的快速收敛。该方法有恒定的雅可比矩阵、且内存占用量小、收敛可靠、计算速度快。     

基于RLS的自适应滤波算法研究

为抑制谐振接地系统对地电容中的工频信号和其他谐波成分,提出了一种基于RLS算法的自适应滤波算法.该算法通过给定n-1次迭代滤波器抽头权向量最小二乘估计,依据新到达的数据计算n次迭代权向量最新估计.当滤波器输入信号变化时可保持最佳输出信号,在一定程度上补偿了滤波器元件参数变化带来的运算误差.对其滤波理论及算法进行仿真研究.结果表明:该算法提高了滤波的稳定性、快速性和精确性,优于其他自适应算法.     

一种基于两电平的5电平空间矢量调制算法

多电平逆变器被广泛地应用于高压大功率工业领域,但是随着电平级数的增加,其空间矢量调制算法(SVPWM)也越来越复杂.研究一种基于两电平的新型5电平SVPWM算法,该算法易于确定参考矢量的位置及其作用时间.以5电平NPC/H逆变器为例解释该算法,该算法可以非常容易地推广到更多电平级数的逆变器中.最后,实验波形验证了该算法的正确性.     

基于分布估计—单亲遗传算法的配电网规划

为了改善单亲遗传算法在某些方面存在的缺陷,提出一种分布估计算法与单亲遗传算法相结合的混合智能算法进行配电网的优化规划。并结合普里姆(Prim)算法产生初始种群,获得比完全随机产生的配电网络更优的初始方案。分布估计算法根据所得分布概率可为单亲遗传算法提供搜索方向,而后者则加速了前者精确分布概率模型的获得,二者的结合起到了优势互补的作用。实例计算的对比结果表明,混合算法更加稳定高效。     

基于改进遗传算法与原对偶内点法的无功优化混合算法

基于改进遗传算法和原对偶内点法提出一种求解无功优化问题的混合算法。首先通过改进遗传算法求解无功优化问题中的离散变量,然后采用原对偶内点法求解与已获得离散变量最匹配的连续变量。在改进遗传算法中采用交叉、变异算子并基于可行域规则处理离散约束,有效提高了混合优化算法的整体寻优效率。在IEEE 118节点系统中的仿真计算结果验证了本文方法的有效性。该方法已应用于福建电网自动电压控制系统中。     

基于改进FFT的合并单元计量性能校验算法研究

采用常规FFT算法作为合并单元计量性能校验仪的算法时,由于频谱泄漏和栅栏效应,比差和相差不满足0.05级的准确度要求。针对这一问题,在常规FFT的基础上,提出了加Hanning窗的单谱线插值FFT算法和加Blackman窗的双谱线插值FFT算法这两种改进FFT算法,在LabVIEW平台上对这两种算法和常规FFT算法进行仿真比较,仿真结果表明,加Blackman窗的双谱线插值FFT算法的计算准确度最高,更适合用于合并单元计量性能校验。最后在国家高压计量站对合并单元计量性能校验仪进行了校准试验,测试数据表明校验仪满足0.05级准确度要求,从而验证了加Blackman窗的双谱线插值FFT算法的有效性和可行性。     

基于混沌免疫混合算法的多目标无功优化

针对目前评价多目标函数解的不足,提出了将多目标函数各个解映射成多维空间中不同的点,利用这些点与理想点之间的欧氏距离来衡量各个解的优劣;同时针对无功优化、混沌优化算法和免疫算法的特点,提出了在采用免疫算法进行无功优化的记忆抗体群中,运用混沌优化方法和免疫算法的交叉和变异等操作对无功优化的连续变量和离散变量进行交替优化求解,并将它们运用于以降低有功损耗,提高电压稳定裕度及减小电压偏移为目标的无功优化中;通过 IEEE-30和IEEE-118节点算例系统验证了混合算法及最优解评价方法的正确性和可行性。     

基于伪线性回归算法的自适应滤波算法

为抑制谐振接地系统对地电容中的工频信号和其它谐波成分,提出了一种基于伪线性回归算法的自适应滤波算法。该算法以经平滑滤波后的信号输出误差为代价函数调整滤波器系数,当滤波器输入信号变化时可保持最佳输出信号,在一定程度上补偿了滤波器元件参数变化带来的运算误差。仿真结果表明,与其它自适应算法相比,该算法收敛速度快且失调率低,基于该算法的滤波器结构简单、测量误差较低、可靠性较高。     

一种基于富氏算法的交流采样精确算法

分析了衰减非周期分量对富氏算法的影响,并在此基础上提出了一种新的滤波算法,算法适用于输入信号中除包含直流分量、整数次谐波分量外,还包含衰减非周期分量的情况,该算法能弥补任意衰减时间常数的衰减非周期分量对全波富氏算法的影响,从而求得精确的基波分量和谐波分量。用电磁暂态仿真程序ＥＭＴＰ进行了大量仿真实验,验证了此算法的优良性能。