基于灰色预测和神经网络的电力系统负荷预测

负荷是电力系统运行和规划的依据,准确的负荷预测有利于提高电力系统运行的经济性和可靠性。章提出了一种基于灰色预测和神经网络组合的电力系统负荷预测方法。在灰色预测中通过对历史数据作不同的取舍并经累加生成后建立不同的模型;对于灰色预测的不同结果再使用人工神经网络进行组合。具体方法是：神经网络的输入为各种灰色模型（GM）的预测,神经网络的输出为组合预测的结果。学习样本选择与预测量量近的n个已知值,学习方法使用改进的BP算法。所提方法综合了GM预测所需原始数据少、方法简单、而神经网络具有非线性的拟合能力的特点,提高了预测精度。算例表明了所提方法是可行的和有效的。     

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ANN削减负荷的发输电组合系统可靠性评估

为提高计算效率,提出了基于人工神经网络（ANN）的发输电组合系统可靠性评估模型。该模型为一个3层前向神经网络,其中输入层为参与可靠性计算的元件的信息,输出层为系统中节点负荷的信息,用改进的BP算法训练该网络,经训练后的网络具有负荷削减计算功能,由于该模型不需进行在线的故障状态潮流计算以及负荷削减计算,大大提高了计算效率,在缓解“计算灾”方面取得了较大进展,该ANN模型考虑了发电机出力,变压器和线路容量以及负荷等的变化,比通常的可靠性计算模型具有更强的实用性,用实例验证了方法的正确性和有效性。     

人工神经网络在电力系统中的应用与展望

本文阐述了人工神经网络的基本特点和实现方法,对人工神经网络在电力系统中的故障诊断、智能控制、继电保护计算优化等方面的应用研究情况进行综述,对应用研究的不足及发展作了一定的分析和展望。     

变拓扑人工神经网络负荷预报

提出变拓扑人工神经网络(ANN)预报电力系统负荷的方法。所提出的模型能较 全面地反映影响负荷变化的各种因素。ANN在BP算法的学习中，需用的数 据窗最短。通过人机会话，可灵活地实现不同预报期限的负荷预报。算例表明 ，方法是有效的，预报精度比常规方法高，收敛性好，计算速度快，适于在线 应用。     

应用神经网络决定电力系统暂态稳定切机控制规律

提出一种应用单隐层前向神经网络决定多机电力系统暂态稳定切机控制 规律的方法。分析了所选神经网络输出量与输入量之间的映射关系，并给 出了6机试例系统的结果。     

人工神经网络在华北电网负荷预测中的应用

文章介绍了人工神经网络在华北电网短期负荷预测中的研究与应用,这种方法可以考虑气象因素在短期负荷预测中的影响,它能够准确地预测出华北电网的负荷,预测的结果表明这种方法在短期负荷预测中可以使精度提高０．９％。     

基于人工神经元网络及模糊算法的空间负荷预测

改进了配电网的空间负荷预测方法,将其研究重点放在对各类负荷的负荷密度的预测上.在原始数据不充分的条件下,引入模糊隶属度分析和人工神经元网络中的聚类分析,对负荷进行分类和简化,从而得到与环境因素相适应的负荷,预测取得了满意的效果.     

基于人工神经元网络及模型算法的空间负荷预测

改进了配电网的空间负荷预测方法,将其研究重点 放在对各类负荷的负荷密的预测上,在原始数据不充分的条件下,引入模糊隶属度分析和人工神经元网络中的聚类分析,对负荷进行分类和简化,从而得到环境因素相适应的负荷,预测取得了满意的效果。     

基于小波神经网络的电力系统振荡和故障识别

目前距离保护中的振荡闭锁元件都不同程度地导致振荡中故障的延时及无选择切除，基于此，文中综合小波变换以及神经网络的突出优点，构建了一种新型的小波神经网络模型，并给出了其相应的算法，以此小波神经网络实现了高压输电线路距离保护中基于暂态信号的系统振荡闭锁元件。理论分析及大量EMTP仿真实验表明：充分训练学习后的小波网络能够正确、快速地识别系统振荡和各种故障情况，即使是系统振荡时最不利情况下的线路轻微故障，亦能获得比较满意的结果，且此方法具有较高的可靠性。     

DECOMPOSITION APPROACH TO FORECASTING ELECTRIC POWER SYSTEM COMMERCIAL LOAD USING AN ARTIFICIAL NEURAL NETWORK

ABSTRACT

Different methods have been proposed and subsequently used in forecasting the power system load. Most of the reported work treat the system load at the bulk power level. In practice, the system load is decomposed into user-based sectors. These are domestic, commercial, industrial and municipal toad sectors. Each sector is governed and influenced by phenomena inherent to that sector. Thus the load consumption characteristic for a sector is unique due to different socio-economic functions that take place in that sector. We use a multilayer neural network with a back propagation algorithm to forecast the commercial sector load portion resulting from decomposing the system load of the Nova Scotia Power Inc. system. To minimize the effect of weather on the forecast of the commercial load, it is further decomposed into four autonomous sections of six hour durations. The optimal input for a training set is determined based on the sum of the squared residuals of the predicted loads. The input patterns are made up of the immediate past four or five hours load and the output is the fifth or the sixth hour load. The results obtained using the proposed approach provide evidence that in the absence of some influential variables such as temperature, a careful selection of training patterns will enhance the performance of the artificial neural network in predicting the power system toad. Key Words: Power System Load Forecasting, Estimation and Prediction.     

利用盲数进行电网规划的潮流计算方法

在介绍了盲数的概念和性质的基础上,采用盲数来描述和处理电网规划中各节点信息的不确定性,建立了基于盲数的电网规划直流潮流计算模型,提出了相应的求解和简化方法,并通过算例进行了分析和比较。     

电力系统故障诊断神经网络专家系统的一种实现方式

对人工神经网络和专家系统结合应用于电力系统故障诊断问题进行了研究，提出了电力 系统故障诊断神经网络专家系统的一种实现方式。该结构方案中，采用三层前向BP网络作 为 故障诊断的核心部分，与传统的专家系统相结合组成混合式的神经网络专家系统。基于该方 案建造的故障诊断神经网络专家系统综合了专家系统和人工神经网络各自的优点，充分利用 专家系统的推理判断能力和人工神经网络的学习和容错能力，比单独利用专家系统或人工神 经网络的电力系统故障诊断系统具有更好的性能。     

人工神经网络在电力系统静态安全域分析中的应用

基于求解非线性优化问题的扩展Ｈｏｐｆｉｅｌｄ模型，分别计算出电力系统不同运行状态下的静态安全域，进而提出用一ＢＰ模型来映射这种关系。通过使用该ＢＰ模型的一种改进算法，可方便地计算出任意运行状态下的安全域，使其能够满足实时分析的要求。     

基于小波神经网络的火电单元机组负荷系统建模仿真研究

火电单元机组是一种复杂的多变量对象，常规方法难以建立它的非线性数学模型。该文利用一种多输入多输出的连续小波神经网络对单元机组负荷数学模型建模问题进行了研究。网络隐层采用框架小波函数，输出层采用线性函数，采用BP算法对网络进行训练，并利用自适应的学习速率和动量参数加快网络训练的收敛速度。网络的训练结果和测试结果均表明，小波网络输出值与实际模型输出值之间的误差在允许范围内，小波神经网络可以较好地逼近单元机组负荷数学模型。     

基于人工神经网络的电力系统暂态安全域估计

本文提出了一种利用人工神经网络来描述和拟合电力系统暂态安全性能的方法方法，介绍了一种将集总学习规则和最小二乘法结合起来的快速学习算法。利用某一简化的电力系统。对本方法进行了验证，并将所提出的快速学习方法和传统的B-P学习法进行了比较。     

基于人工神经元网络的电力系统谐波测量方法

提出了了一种基于人工神经网络（ＡＮＮ）的电力系统谐波测量方法。所设计的谐波测量系统在线训练ＡＮＮ,具有二级滤波,可实时并行测量指定各次谐波的幅和相位,仿真结果证实了该测量的有效性。     

基于神经网络的电力系统短期负荷预测研究

电力系统负荷预测是电力生产部门的重要工作之一，作者利用BP神经网络进行电力系统短期负荷预测，在保证有足够的训练样本的前提下，对预测模型进行合理分类，构造了相应于不同季节的周预测，日预测模型，并对输入变量的选择，特别是温度的选取问题，进行了讨论，在神经网络训练的过程中，往往会出现过拟合的现象，给预测的结果带来不利的影响，为此在训练过程中，将样本随机地分离为训练集和测试集来防止这个问题，典型算例的计算表明，该方法是有效的。     

交互神经网络法电网多目标优化运行

本文提出了一种交互神经网络（Ｈｏｐｆｉｅｌｄ连续ＡＮＮ模型）求解大型电力系统多目标优化运行的方法。模型中考虑了经济、环境保护和安全三个指标，并引入了调节乘子。采用ＡＮＮ求解，不仅有利于大型系统的计算，而且通过对调节乘子的交互，使这种求解方法更为有效，增加了决策的灵活性，提高了方法的实用价值，经ＩＥＥＥ６机系统算例计算表明，该法有是效的。