- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
BP神经网络在用电用户分类中应用
BP神经网络在用电用户分类中应用 摘 要: BP神经网络在解决非线性复杂系统中存在很大的优势。针对家庭用电设备自身的负荷特点,以广州供电局用户用电设备能耗数据作为训练样本,利用BP神经网络构建用电设备能耗分析模型,选定能够反映对象特性的能效指标,确定神经元数,构建用户分类指标,依据训练的BP神经网络进行用户划分,实现用户间的能效对比分析。结果表明,模型收敛性较好,所得分析结果绝对误差较小。因此,利用BP神经网络进行用户能效分析的结果具有实用性和有效性
关键词: BP神经网络; 能效分析; 负荷辨识; 多元线性回归; 用户划分
中图分类号: TN711?34 文献标识码: A 文章编号: 1004?373X(2017)09?0156?03
Abstract: The BP neural network has great advantage to solve the nonlinear complex system. According to the characteristics of the household electricity load itself, the electrical equipment energy consumption data of the users attaching to Guangzhou Power Supply Bureau is taken as the training sample. The BP neural network is used to construct the energy consumption analysis model of the electrical equipment. The energy efficiency index which can reflect the target features is selected to determine the quantity of the neurons, and construct the users classification index. The users are classified according to the trained BP neural network to realize the energy efficiency contrastive analysis among users. The results show that the model has good convergence, and the analysis result has small absolute error. Therefore, the BP neural network used to analyze the users′ energy efficiency has practicability and availability.
Keywords: BP neural network; energy efficiency analysis; load identification; multiple linear regression; users classification
0 引 言
随着人们生活水平的提高及阶梯电价、峰谷电价的实施,用户用电行为特征也逐渐发生了变化。充分了解家庭用户的多样能源诉求,科学准确地反映用户的能效状况,再有针对性地为用户定制创新的个性化节能增效解决方案,从而实现用户的节能减排和电能成本降低,对助推电网整体能效水平提升、提高企业竞争力和服务感知,减少不必要的能源浪费具有积极作用。因此,如何根据对用户用电行为和耗电量分析,针对用电负荷不确定性、非线性、随机性的自身特点,通过预测模型算法及设备、同区域横向比对等方式是研究用户负荷预测、用户节能策略的依据。BP神经网络高度的自学习、自组织和自适应能力,在输入和输出样本之间建立起一种高度非线性的映射,其通过优化使用最广的梯度下降法,利用迭代运算求出权值,为优化问题的可调参数加入一定的隐节点,使求解更精确,被广泛地应用于各领域的预测模型中
1 BP神经网络
BP神经网络是一种多层前馈神经网络,该网络的主要特点是信号前向传递,误差反向传播。在前向传递中,输入信号从输入层经隐含层逐层处理,直至输出层。每一层的神经元状态只影响下一层神经元状态。如果输出层得不到期望输出,则转入反向传播,根据预测误差调整网络权值和阈值,从而使BP神经网络的预测输出能够不断地逼近期望输出。神经网络原理就是利用输出后的误差估计输出层的直接前导层的误差,再用这个误差估计更前一层的误差,如此一层一层的反?
您可能关注的文档
- A Study of Shakespeare’s Creative Style.doc
- A Study of The Storm from the Perspective of Eco―feminism.doc
- ABC公司产品差异化竞争战略探究.doc
- ADCP在水文防汛应急监测中应用.doc
- A Contrastive Study of English and Chinese Taboos in Cross―cultural Communication.doc
- ADSS光缆电腐蚀解决方案探析.doc
- Airbnb中国区发展现状及对策探究.doc
- Alenia SSR―M二次雷达接收机中AGC电路故障分析.doc
- Altium Designer在电子电路CAD课程中教改探索.doc
- An Analysis of Rural Students’ Psychological Obstacles in English Learning.doc
- 中国国家标准 GB/T 18233.4-2024信息技术 用户建筑群通用布缆 第4部分:住宅.pdf
- GB/T 18233.4-2024信息技术 用户建筑群通用布缆 第4部分:住宅.pdf
- GB/T 18978.210-2024人-系统交互工效学 第210部分:以人为中心的交互系统设计.pdf
- 《GB/T 18978.210-2024人-系统交互工效学 第210部分:以人为中心的交互系统设计》.pdf
- 中国国家标准 GB/T 18978.210-2024人-系统交互工效学 第210部分:以人为中心的交互系统设计.pdf
- GB/T 16649.2-2024识别卡 集成电路卡 第2部分:带触点的卡 触点的尺寸和位置.pdf
- 《GB/T 16649.2-2024识别卡 集成电路卡 第2部分:带触点的卡 触点的尺寸和位置》.pdf
- 中国国家标准 GB/T 16649.2-2024识别卡 集成电路卡 第2部分:带触点的卡 触点的尺寸和位置.pdf
- GB/T 17889.4-2024梯子 第4部分:铰链梯.pdf
- 《GB/T 17889.4-2024梯子 第4部分:铰链梯》.pdf
文档评论(0)