基于D-S证据理论的母线负荷预测.pdfVIP

江 苏 电 机 工 程 2014年 9月 JiangsuElectricalEngineering 第 33卷 第 5期 21 基于D—S证据理论的母线负荷预测 刘亚南 ，卫志农 ，季 聪 ，唐一铭 ，都 晨 (1．江苏方天电力技术有限公司，江苏 南京211102； 2．河海大学可再生能源发电技术教育部工程研究中心．江苏 南京 210098) 摘 要：基于D—s证据理论．提出一种母线负荷预测新方法 该方法对BP神经网络、改进的BP神经网络和支持向量机 (SVM)的母线负荷预测模型分别建立权重提取和权重融合模型 ，并运用D—S证据理论对 3种预测模型的权重进行融合。 通过对预测数据进行分析 ．提取证据理论样本 ．并将可信度 函数的融合结果作为母线负荷预测模型的权重 ，最终得到待预 测 日的母线负荷预测结果 仿真结果表 明。与单一的母线负荷预测模型相 比，经D—s证据理论融合 的母线负荷预测模型 更有效．也具有更高的预测精度 关键词 ：BP神经网络 ：支持 向量机 网络 ；D—s证据理论 ；母线负荷预测 中图分类号：TM715 文献标志码 ：A 文章编号：1009-0665(2014)05—0021—04 随着现代计算机科学、自动化、通信技术的高速 预测的泛化性 文献 [7]采用神经网络进行短期负荷预 发展 ．变电站的调度 自动化系统 日趋完善。母线负荷 测 ．同时将证据理论应用于负荷预测模型的融合 ．提取 预测能更好地实现分散式的负荷管理，对电网动态状 了多种预测模型的优点．从整体上提高了预测精度 ．但 态估计 、安全稳定分析等方面具有十分重要的理论和 是它对权值的计算 比较复杂 ．采用绝对误差也不能够充 现实意义 。 分反映预测数据的准确性 文献 [8]采用 3种 BP网络 母线负荷…1可以定义为由变 电站 的主变压器供 进行负荷预测．通过Dempster合成法则进行融合得到 给一个相对较小的供电区域的负荷总和，通常一个地 最终结果 ．但是 BP网络也具有一定的缺陷 区的母线负荷类型 比较单一 它包括有功和无功负 鉴于上述分析 ．文中将根据母线负荷数据的构成和 荷 ．通常所指的母线负荷一般是有功负荷 ，同时具有 特点，提 出基于证据理论的母线负荷预测模型，分别对 稳定性不强、有坏数据 、母线问的差异较大等特点。 BP神经网络 、改进的BP神经网络和支持向量机母线 KassaeiCz]等人提出一种基于模糊和神经网络的混合 负荷预测模型建立权重提取和权重融合模型 。并运用证 模型对母线进行预测 ．即在负荷受天气影响较大 的地 据理论对 3种预测模型的权重进行融合 ．最终对母线负 区．将母线负荷分解为与天气无关的基本负荷和受天 荷进行预测 气变化影响的天气敏感负荷 2个负荷分量。用 BP神 1证据理论相关概念 经网络模型预测相对稳定的基本负荷分量 ．而用 3个 模糊逻辑子系统建立的模型预测天气敏感负荷分量， 1．1基本定义 提高了预测精度 文献 [3]先采用K均值聚类方法对 定义 1 设 0为识别框架 ．基本信任分配 函数 m 电网中众多母线进行特性聚类 ．形成几大类聚类 中 是一个从集合 2o到 [0．1]的映射 。表示识别框架 0 心．然后采用多层神经网络方法进行母线负荷预测 。 的任一子集 ，记作 A o，且满足m()=0， (A)=l。 文献 [4]先采用最小二乘支持向量机进行短期母线负 式中：m(A)称为事件 的基本信任分配函数 卜表示证据