电力系统负荷预测的技术研究
|
摘要
电力系统负荷预测在电力系统安全、可靠和经济运行中起关键作用，它已逐步发展成为电力系统自动化领域中的重要研究方向之一。本文依托人工神经网络及遗传算法等理论方法，利用大庆油田电力总公司投入使用的远程电表集中抄收设备，对电力系统负荷的短期预测展开深入探索，论文主要完成以下研究工作。
基于对人工神经网络的基础理论的研究，利用多层前向网的通用逼近能力，论述了利用人工神经网络进行负荷预测的原理和方法，并建立了具体模型。
人工神经网络中的BP算法理论成熟但存在缺陷，从本质上来说它属于局部寻优算法，在存在较多局部极小的情况下很容易陷入局部极小点，且学习速度慢，不实用。针对这些问题，本文提出了利用遗传算法全局搜索能力强，结合神经网络的局部寻优能力，构成遗传神经网络。利用遗传算法对神经网络的结构及权值进行优化，从而达到加快寻优速度，提高训练精度的目的。
为使负荷预测的精度达到要求，对历史数据的精度有较高的要求。为减少坏数据对负荷预测的影响，本文提出了利用线性相位FIR滤波器对数据进行滤波的方法，经实际使用来看，FIR滤波器可有效滤除采样数据中的间断点。
将本文提出的人工神经网络模型应用于采油一厂的负荷预测，取得了较好的效果。
Electric power load forecast is one of important factor for electric power system works safely, reliably and economically. It has been an main direction in the field of electric automation. In the article, we have relied on theory of Artificial Neural Networks (ANN) and Genetic Algorithms (GA), using the equipment of remote ammeter statistic system, and made a thorough research in the method of electric power short-term forecast. The main research has been finished as follows.
On the base of basic theory research of ANN, using the general approach ability of Multi-layer Feedforward Neural Network, we dissertated the theory and method of load forecast with ANN, and built the model at the same time.
BP algorithm is the mostly wide-used method in training ANN. But it is an local optimize method in nature, enter into local optimal point easily and training speed slowly. Aiming to these questions, we made use of the global optimal ability of GA, combining the local optimal ability of ANN, composing the GA-ANN. Using GA training the constructs and weight of ANN, We have gain the purpose of increasing optimal speed and raising precision.
In order to increase the precision of forecast, The history data needs high precision. In the article, we brought forward the way of filtering the history data with FIR filter, so it can decrease the affection of bad data. In practice, FIR filter wiped off the interrupt point successfully.
Applying the ANN model in this article to forecast the load of No 1 oil extraction plant, we gain good result.
基于对人工神经网络的基础理论的研究，利用多层前向网的通用逼近能力，论述了利用人工神经网络进行负荷预测的原理和方法，并建立了具体模型。
人工神经网络中的BP算法理论成熟但存在缺陷，从本质上来说它属于局部寻优算法，在存在较多局部极小的情况下很容易陷入局部极小点，且学习速度慢，不实用。针对这些问题，本文提出了利用遗传算法全局搜索能力强，结合神经网络的局部寻优能力，构成遗传神经网络。利用遗传算法对神经网络的结构及权值进行优化，从而达到加快寻优速度，提高训练精度的目的。
为使负荷预测的精度达到要求，对历史数据的精度有较高的要求。为减少坏数据对负荷预测的影响，本文提出了利用线性相位FIR滤波器对数据进行滤波的方法，经实际使用来看，FIR滤波器可有效滤除采样数据中的间断点。
将本文提出的人工神经网络模型应用于采油一厂的负荷预测，取得了较好的效果。
Electric power load forecast is one of important factor for electric power system works safely, reliably and economically. It has been an main direction in the field of electric automation. In the article, we have relied on theory of Artificial Neural Networks (ANN) and Genetic Algorithms (GA), using the equipment of remote ammeter statistic system, and made a thorough research in the method of electric power short-term forecast. The main research has been finished as follows.
On the base of basic theory research of ANN, using the general approach ability of Multi-layer Feedforward Neural Network, we dissertated the theory and method of load forecast with ANN, and built the model at the same time.
BP algorithm is the mostly wide-used method in training ANN. But it is an local optimize method in nature, enter into local optimal point easily and training speed slowly. Aiming to these questions, we made use of the global optimal ability of GA, combining the local optimal ability of ANN, composing the GA-ANN. Using GA training the constructs and weight of ANN, We have gain the purpose of increasing optimal speed and raising precision.
In order to increase the precision of forecast, The history data needs high precision. In the article, we brought forward the way of filtering the history data with FIR filter, so it can decrease the affection of bad data. In practice, FIR filter wiped off the interrupt point successfully.
Applying the ANN model in this article to forecast the load of No 1 oil extraction plant, we gain good result.
引文
[1] 肖国泉，王春，张福伟．电力负荷预测．中国电力出版社，2001
[2] 刘铁男，陈广义，任伟建．时变结构系统的辨识预测和控制．黑龙江技术出版社，1993：7-9
[3] 孙海斌，李扬，卢毅，王磊，唐国庆．电力系统短期负荷预测方法综述．江苏电机工程，第19卷，第2期
[4] 朱陶业，晏小兵，李应求．ARIMA模型在广西短期电力负荷预测中的应用．长沙电力学院学报(自然科学版)，2000，Vol．15，No．2：20-22
[5] 谢宏，陈志业，牛东晓．短期电力负荷预测的数据主成份分析．电网技术，2002，24(1)：43-46
[6] 王永骥，涂健．神经元网络控制．机械工业出版社．1998：44-53
[7] 焦李成．神经网络系统理论．西安电子科技大学出版社，1990
[8] 袁曾任．人工神经元网络及其应用．北京：清华大学出版社，1999
[9] 欧建平，李丽娟．人工神经网络在电力系统短期负荷预测中的应用．广东电力，1999，12(2)4-7
[10] 贺蓉，曾刚，姚建刚，青志文，沈新祥，刘明清．天气敏感型神经网络在地区电网短期负荷预测中的应用．电力系统自动化，2001，9：32-35
[11] 吴军基，倪黔东，孟绍良，刘皓明．基于人工神经网络的日负荷预测方法的研究．继电器，1999，27(3)27-28
[12] 祝滨，刘耀年，陈得治．负荷分析与短期负荷预测的研究．东北电力技术，1999，11：43-46
[13] 程佩青．数字信号处理教程．清华大学出版社，2000
[14] 高西全，丁玉美．数字信号处理学习指导．西安电子科技大学出版社．2001，11
[15] 胡广书．数字信号处理——理论、算法和实现．清华大学出版社，2001
[16] Harris F J. On the use of windows for Harmonic analysis the discrete Fourier transform. Proc. IEEE, 1978, 66(Jan): 51-83
[17] 楼顺天，李博函．基于MATLAB的系统分析与设计——信号处理．西安电子科技大学出版社，2000
[18] A．V．奥本海姆，R．W．谢弗，J．R．巴克．离散时间信号处理(第2版)．西安交通大学出版社，2001
[19] 郑君里，应启珩，杨为理．信号与系统(第二版)．高等教育出版社，2000
[20] 王小平，曹立明．遗传算法——理论、应用与软件实现．西安交通大学出版社，2002
[21] 王凌．智能优化算法及其应用．清华大学出版社，施普林格出版社，2001
[22] 汪荣馨．遗传算法．西安交通大学出版社，2000
[23] 周明，孙树栋．遗传算法原理及应用．国防工业出版社．1999
[24] 阎平凡，张长水．人工神经网络与模拟进化计算．清华大学出版社．2000
[25] 许明辉，高成修，于刚．一种克服遗传算法早熟的参数调整及并行方法．武汉大学学报(理学版)，2001，47(1)33-36
[26] Hornik K, et al. Multilayer Feedforward Network are Universal Approximators. Neural Network, 1989, 2:359-366
[27] 梁化楼，戴贵亮．人工神经网络与遗传算法的结合：进展与展望．电子学报，1995，23(10)
[28] Harp S A, Samad T. Optimizing Neural Networks with Genetic Algorthms. Proceedings of the American Power Conference. Chicago, 1991:1138-1143
[29] 陈国良，王煦法，庄镇泉，王东生．遗传算法及其应用．人民邮电出版社．1996
[30] 钟守楠．遗传算法的收敛性与编码．武汉水利电力大学学报，2000，33(1)108-112
[31] Schaffer J D, Whitley L D, Eshelman L J. Combinations of genetic algorithms and neural networks: A survery of the state of the art. In: Proceedings of COGANN-92. Los Alamitos, GA: IEEE Computer Sociaty Press, 1992, 244-248
[32] Yao X. Evolutionary Artificial Neural Networks. International Journal of Neural Systems, 1993, 4(3):203-222
[33] Yao X. et al. A New Evolving System for Evolving Artificial Neural Networks. IEEE Trans NN, 1997,8(2): 694-713
[34] Belew R K, Mclnerney J, Schrardolph N N. Evolving networks: Using the genetic algorithm with connectionist learning. Artificial Life Ⅱ. Redwood City: Addison-Wesley, 1991, 511-547
[35] Whiteley D, Starkweather T, Bogart C. Genetic algorithms and neural networks: Optimizing connections and connectivity. Parallel Computing, 1990, 14:347-261
[36] 方建安，邵世煌．采用遗传算法学习的神经网络控制器．控制与决策，1993，8(3)：208-212
[37] 牛东晓，陈志业，邢棉，谢宏．遗传神经网络优化预测方法研究及其应用．华北电力大学学报，2001，28(1)1-5
[38] 王耀南．智能控制系统模糊逻辑·专家系统·神经网络控制．湖南大学出版社，1996
[39] 潘卫东．利用GA技术辅助设计ANN．模式识别和人工智能，1993，3：72-76
[40] 李向京，胡云昌．基于遗传算法-神经网络混合训练技术的结构近似可靠分析方法．土木工程学报，2000，33(5)40-45
[41] Hancock P J B. Recombination operators for the design of neural nets by genetic algorithm. Parallel Problem Solving from Nature 2. Amsterdam: Elsevier, 1992, 441-450
[42] 郑志军，郑守淇．用基于实数编码的自适应遗传算法进化神经网络．计算机工程与应用，2000，9，36-37
[43] Vittorio Maniezzo. Genetic Evolution of the Topology and Weight Distribution of Neural Networks. IEEE Transactions on Neural Networks, 1994, 5(1), January
[44] Peter J Angeline, et al. An Evolutionary Algorithm that Constructs Recurrent Neural Networks. IEEE Trans. On Nerual Networks, 1994, 5(1), January
[45] Bornholdt S, et al. General Asymmetrics Neural Networks and Structure Design by Genetic Algorithms. Neural Networks, 1992, 5
[46] 岑文辉，雷友坤，谢恒．应用人工神经网与遗传算法进行短期负荷预测．电力系统自动化．1997，3
[47] 梁海峰，涂光瑜，唐红卫．遗传神经网络在电力系统短期负荷预测中的应用．电网技术．2001，1
[48] 楼顺天，施阳．基于MATLAB的系统分析与设计——神经网络．西安电子科技大学出版社，2000
[49] 闻新，周露，王丹力，熊晓英．MATLAB神经网络应用设计．科学出版社，2001
[2] 刘铁男，陈广义，任伟建．时变结构系统的辨识预测和控制．黑龙江技术出版社，1993：7-9
[3] 孙海斌，李扬，卢毅，王磊，唐国庆．电力系统短期负荷预测方法综述．江苏电机工程，第19卷，第2期
[4] 朱陶业，晏小兵，李应求．ARIMA模型在广西短期电力负荷预测中的应用．长沙电力学院学报(自然科学版)，2000，Vol．15，No．2：20-22
[5] 谢宏，陈志业，牛东晓．短期电力负荷预测的数据主成份分析．电网技术，2002，24(1)：43-46
[6] 王永骥，涂健．神经元网络控制．机械工业出版社．1998：44-53
[7] 焦李成．神经网络系统理论．西安电子科技大学出版社，1990
[8] 袁曾任．人工神经元网络及其应用．北京：清华大学出版社，1999
[9] 欧建平，李丽娟．人工神经网络在电力系统短期负荷预测中的应用．广东电力，1999，12(2)4-7
[10] 贺蓉，曾刚，姚建刚，青志文，沈新祥，刘明清．天气敏感型神经网络在地区电网短期负荷预测中的应用．电力系统自动化，2001，9：32-35
[11] 吴军基，倪黔东，孟绍良，刘皓明．基于人工神经网络的日负荷预测方法的研究．继电器，1999，27(3)27-28
[12] 祝滨，刘耀年，陈得治．负荷分析与短期负荷预测的研究．东北电力技术，1999，11：43-46
[13] 程佩青．数字信号处理教程．清华大学出版社，2000
[14] 高西全，丁玉美．数字信号处理学习指导．西安电子科技大学出版社．2001，11
[15] 胡广书．数字信号处理——理论、算法和实现．清华大学出版社，2001
[16] Harris F J. On the use of windows for Harmonic analysis the discrete Fourier transform. Proc. IEEE, 1978, 66(Jan): 51-83
[17] 楼顺天，李博函．基于MATLAB的系统分析与设计——信号处理．西安电子科技大学出版社，2000
[18] A．V．奥本海姆，R．W．谢弗，J．R．巴克．离散时间信号处理(第2版)．西安交通大学出版社，2001
[19] 郑君里，应启珩，杨为理．信号与系统(第二版)．高等教育出版社，2000
[20] 王小平，曹立明．遗传算法——理论、应用与软件实现．西安交通大学出版社，2002
[21] 王凌．智能优化算法及其应用．清华大学出版社，施普林格出版社，2001
[22] 汪荣馨．遗传算法．西安交通大学出版社，2000
[23] 周明，孙树栋．遗传算法原理及应用．国防工业出版社．1999
[24] 阎平凡，张长水．人工神经网络与模拟进化计算．清华大学出版社．2000
[25] 许明辉，高成修，于刚．一种克服遗传算法早熟的参数调整及并行方法．武汉大学学报(理学版)，2001，47(1)33-36
[26] Hornik K, et al. Multilayer Feedforward Network are Universal Approximators. Neural Network, 1989, 2:359-366
[27] 梁化楼，戴贵亮．人工神经网络与遗传算法的结合：进展与展望．电子学报，1995，23(10)
[28] Harp S A, Samad T. Optimizing Neural Networks with Genetic Algorthms. Proceedings of the American Power Conference. Chicago, 1991:1138-1143
[29] 陈国良，王煦法，庄镇泉，王东生．遗传算法及其应用．人民邮电出版社．1996
[30] 钟守楠．遗传算法的收敛性与编码．武汉水利电力大学学报，2000，33(1)108-112
[31] Schaffer J D, Whitley L D, Eshelman L J. Combinations of genetic algorithms and neural networks: A survery of the state of the art. In: Proceedings of COGANN-92. Los Alamitos, GA: IEEE Computer Sociaty Press, 1992, 244-248
[32] Yao X. Evolutionary Artificial Neural Networks. International Journal of Neural Systems, 1993, 4(3):203-222
[33] Yao X. et al. A New Evolving System for Evolving Artificial Neural Networks. IEEE Trans NN, 1997,8(2): 694-713
[34] Belew R K, Mclnerney J, Schrardolph N N. Evolving networks: Using the genetic algorithm with connectionist learning. Artificial Life Ⅱ. Redwood City: Addison-Wesley, 1991, 511-547
[35] Whiteley D, Starkweather T, Bogart C. Genetic algorithms and neural networks: Optimizing connections and connectivity. Parallel Computing, 1990, 14:347-261
[36] 方建安，邵世煌．采用遗传算法学习的神经网络控制器．控制与决策，1993，8(3)：208-212
[37] 牛东晓，陈志业，邢棉，谢宏．遗传神经网络优化预测方法研究及其应用．华北电力大学学报，2001，28(1)1-5
[38] 王耀南．智能控制系统模糊逻辑·专家系统·神经网络控制．湖南大学出版社，1996
[39] 潘卫东．利用GA技术辅助设计ANN．模式识别和人工智能，1993，3：72-76
[40] 李向京，胡云昌．基于遗传算法-神经网络混合训练技术的结构近似可靠分析方法．土木工程学报，2000，33(5)40-45
[41] Hancock P J B. Recombination operators for the design of neural nets by genetic algorithm. Parallel Problem Solving from Nature 2. Amsterdam: Elsevier, 1992, 441-450
[42] 郑志军，郑守淇．用基于实数编码的自适应遗传算法进化神经网络．计算机工程与应用，2000，9，36-37
[43] Vittorio Maniezzo. Genetic Evolution of the Topology and Weight Distribution of Neural Networks. IEEE Transactions on Neural Networks, 1994, 5(1), January
[44] Peter J Angeline, et al. An Evolutionary Algorithm that Constructs Recurrent Neural Networks. IEEE Trans. On Nerual Networks, 1994, 5(1), January
[45] Bornholdt S, et al. General Asymmetrics Neural Networks and Structure Design by Genetic Algorithms. Neural Networks, 1992, 5
[46] 岑文辉，雷友坤，谢恒．应用人工神经网与遗传算法进行短期负荷预测．电力系统自动化．1997，3
[47] 梁海峰，涂光瑜，唐红卫．遗传神经网络在电力系统短期负荷预测中的应用．电网技术．2001，1
[48] 楼顺天，施阳．基于MATLAB的系统分析与设计——神经网络．西安电子科技大学出版社，2000
[49] 闻新，周露，王丹力，熊晓英．MATLAB神经网络应用设计．科学出版社，2001
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |