基于BP神经网络的短期负荷预测建模仿真

通过BP神经网络与Matlab相结合,建立起三层四功能单元的BP神经网络短期负荷预测模型,并采用某条线路1年的历史负荷波动数据对模型进行“学习”训练.预测日24 h负荷数据的Matlab仿真及误差分析结果表明,所构筑的BP神经网络模型具有较高的可靠性和准确性,误差率控制在2％以内.BP神经网络模型大大提高了短期负荷预测数据的处理效率与可信性,为研究电力系统经济调度提供了一种新的非线性仿真建模模型.     

基于BP神经网络的短期负荷预测建模仿真

通过BP神经网络与Matlab相结合,建立起三层四功能单元的BP神经网络短期负荷预测模型,并采用某条线路1年的历史负荷波动数据对模型进行“学习”训练。预测一日24小时负荷数据的Matlab仿真及误差分析结果表明,所构筑的BP神经网络模型具有较高的可靠性和准确性,误差率可以有效地控制在2％以内。BP神经网络模型大大提高了短期负荷预测数据的处理效率与可信性,是研究电力系统经济调度的一种新的非线性建模仿真模型。     

面向新型智能电网故障告警管理的研究与应用

随着现代电网技术的高速发展、网络结构的不断完善,有必要面向新型智能电网讨论建立全新的故障告警管理模式,其主要作用是对支持自动化机房的动力环境、设备状态、系统状态进行在线监控。当设备发生异常现象时及时自动产生告警,通过不同的告警方式通知相应的值班人员,使值班人员可以及时处理系统的异常因素和故障。在自动化机房安装相应智能采集设备,通过现有电力系统内部专用网络通道以及专门针对智能管理系统所开发的应用软件系统等,实现远程集中监控现场温湿度、设备运行情况、电网运行情况等关键数据,同时采取智能辅助手段,对监控数据超出设定值范围的异常值,实现自动告警、自动分析、智能判断故障原因等,辅助运行值班人员及时发现故障或异常现象。通过以上技术的应用,可以实现减轻值班人员的工作量,及时发现设备异常现象,在第一时间发现问题并及时解决问题,排除故障隐患,保证设备安全运行。