基于Elman神经网络的电力系统负荷建模研究.pdfVIP

基于Elman 神经网络的电力系统负荷建模研究 立德，李欣然 （湖南大学电气与信息工程学院，湖南 长沙410082 ） 摘 要： 文给出了一个用具有部分反馈特性的动态神经网 献[4]提出了基于线性BP 网络的参数辨识方法，接 络用于电力系统负荷分析研究。文中分析了传统的BP 神经 入到暂态程序中，可以减少计算时间。文献[9] 以3 网络的网络结构及BP 算法用于负荷建模实际中存在的一些 种带有不同时滞的电压、及有功功率反馈作为输入 问题，并分析了具有动态递归特性的 Elman 神经网络的优 的有全反馈环的神经网络用于实测数据的建模，验 点，最终采用 Elman 神经网络用于负荷建模，建立了一个 证了神经网络用于负荷建模的有效性。文献[13]也 动态递归的Elman 神经网络来分析负荷特性。针对BP 算法 是将 BP 型神经网络的模型响应输出的有关延迟量 用于动态模型辨识中存在的问题， 文采用遗传算法进行参 数的优化，并结合湖南省某变电站实测采样数据进行建模， 反馈至模型的输入端的实测激励共同构成输入向 最终得出了一些结论，说明 文提出的基于遗传算法的 量用于电力系统负荷建模，证明了该方法优于静态 Elman 神经网络应用于电力系统负荷建模的有效性。 神经网络。 关键词： 负荷建模；神经网络；遗传算法 本文通过对 BP 神经网络及具有反馈功能的神 0 引言 经网络进行深入研究的基础上，提出了利用部分反 近年来，随着全 大区电网互联程度的提高， 馈型Elman 神经网络用于电力系统负荷建模，并结 以及西电东送的开展，电网规模的扩大对于电力系 合现场实测数据，用遗传算法对该模型进行参数辨 统稳定分析的精确程度也提出了更高的要求，目 识，辨识结果证明Elman 神经网络的负荷模型精度 前，发电机、励磁调节装置、输电线路、变压器等 高，对实测数据的拟和好。 已经建立了确定的数学模型，而负荷由于组成结构 1 BP 神经网络及BP 算法的分析 复杂性、时变性、随机性等特点，使得精确的负荷 BP 神经网络是目前用的非常广泛的一种神经 模型的建立仍然比较困难。 网络，它是一种单向传播的多层前向网络，如图 1 到目前为止，根据电力系统分析的不同要求已 所示，包括输入层、隐含层、输出层，它具有良好 经提出了一些不同的负荷模型[1]。有机理模型，包 的非线性映射能力，有很强的学习能力和自适应能 括静态负荷模型：ZIP 模型、幂函数模型、多项式 力，可以逼近任意复杂的非线性关系[15] 。在电力 模型，动态负荷模型：感应电动机模型；以及非机 系统中有很多的应用，包括在电力系统负荷建模中 理模型：传递函数模型、差分方程模型等。近年来， 有一定程度的应用。 随着人工神经网络的研究的深入，由于神经网络具 但是作者经过 文的研究发现 BP 神经网络并 有很强的描述非线性行为的能力[2] ，而电力系统负 不适合电力系统负荷建模，有两方面的原因： 荷正是一种强非线性的动态行为，所以用神经网络 首先，BP 网络是一种静态网络，实现的是系 来构造负荷模型相比而言具有很大的优势。 统输入和输出之间的静态匹配，而电力系统负荷的 人工神经网络是模拟大脑的特性，通过对生物 输入输出是随时间动态变化的，输入输出之间的关 神经网络进行某种抽象、简化和模拟，由大量的神 系并不是简单的静态映射关系，某一时刻的输出不 经元互相连接而构造的一种网络模型，它有很强的 仅和 时