發(fā)布時間：2021-07-10 13:41

　　針對較長時間跨度上電能質(zhì)量（PQ）數(shù)據(jù)的時序性和非線性特點,提出一種基于K-means聚類和長短期記憶（LSTM）網(wǎng)絡(luò)的主動配電網(wǎng)（ADN）電能質(zhì)量預(yù)測方法。在構(gòu)建LSTM深度學習模型的基礎(chǔ)上,將大量的電能質(zhì)量歷史數(shù)據(jù)、環(huán)境因素及負荷數(shù)據(jù)以多維向量的形式進行K-means聚類,并針對每一類數(shù)據(jù)集分別使用LSTM模型進行網(wǎng)絡(luò)的訓(xùn)練和性能評估,然后利用完成訓(xùn)練和評估的聚類LSTM網(wǎng)絡(luò)模型進行主動配電網(wǎng)電能質(zhì)量穩(wěn)態(tài)指標項的預(yù)測。最后,通過IEEE-13節(jié)點含分布式電源的主動配電網(wǎng)仿真算例,分析驗證了所提聚類LSTM網(wǎng)絡(luò)法比時間序列預(yù)測法、反向傳播（BP）神經(jīng)網(wǎng)絡(luò)法和標準LSTM網(wǎng)絡(luò)法具有更優(yōu)的預(yù)測性能。 

【文章來源】：高技術(shù)通訊. 2020,30(07)北大核心

【文章頁數(shù)】：11 頁

【部分圖文】：

基于聚類LSTM模型的PQ預(yù)測系統(tǒng)框架

LSTM神經(jīng)網(wǎng)絡(luò)由一個個內(nèi)部結(jié)構(gòu)相同的LSTM細胞單元鏈接而成,如圖2所示。在整個LSTM網(wǎng)絡(luò)結(jié)構(gòu)中, LSTM單元細胞狀態(tài){…, Ct-1, Ct, Ct+1,…}最為關(guān)鍵。圖2中上方從左貫穿到右的水平線像傳送帶一樣,將信息從上一個細胞單元傳送至下一個細胞單元,且和細胞單元中其他部分僅有很少的線性關(guān)聯(lián)。LSTM細胞單元內(nèi)部結(jié)構(gòu)中,網(wǎng)絡(luò)依靠一些“門”結(jié)構(gòu)讓信息有選擇性地影響循環(huán)神經(jīng)網(wǎng)絡(luò)中每個時刻的狀態(tài)[18]�！伴T”是一種能夠使信息選擇性通過的結(jié)構(gòu),由一個輸出值在[0,1]區(qū)間Sigmoid函數(shù)和點乘操作符組成,每個LSTM細胞單元均包含遺忘門、輸入門、輸出門,其各自的核心構(gòu)造、作用可由式(3)～(8)表征[19]。遺忘門(forget gate)本質(zhì)是以上一個單元輸出ht-1和本單元輸入xt為輸入的Sigmoid函數(shù),其為Ct-1中的每一項產(chǎn)生一個在[0,1]內(nèi)的值,用以控制上一單元狀態(tài)被遺忘的程度。 圖2中,ft 為Sigmoid函數(shù)的輸出序列:

式中, it、 C ? t、ot的形式與ft相同,但其各自的權(quán)重系數(shù)矩陣{Wi, Wc, Wo}及偏置項{bi, bc, bo}與ft完全不同;Sigmoid和tanh函數(shù)分別用以將輸入連續(xù)實值“壓縮”到[0,1]和[-1,1]之間一定范圍,其各自的函數(shù)曲線如圖3所示。2.3 BPTT與Adam算法

【參考文獻】：
期刊論文
[1]基于CNN-LSTM混合神經(jīng)網(wǎng)絡(luò)模型的短期負荷預(yù)測方法[J]. 陸繼翔,張琪培,楊志宏,涂孟夫,陸進軍,彭暉.  電力系統(tǒng)自動化. 2019(08)
[2]LSTM Based Reserve Prediction for Bank Outlets[J]. Yu Liu,Shuting Dong,Mingming Lu,Jianxin Wang.  Tsinghua Science and Technology. 2019(01)
[3]基于深度學習分位數(shù)回歸模型的風電功率概率密度預(yù)測[J]. 李彬,彭曙蓉,彭君哲,黃士峻,鄭國棟.  電力自動化設(shè)備. 2018(09)
[4]VMD-LSTM算法在短期負荷預(yù)測中的應(yīng)用[J]. 胡欣球,馬立新.  電力科學與工程. 2018(06)
[5]基于長短期記憶網(wǎng)絡(luò)的風電場發(fā)電功率超短期預(yù)測[J]. 朱喬木,李弘毅,王子琪,陳金富,王博.  電網(wǎng)技術(shù). 2017(12)
[6]深度學習框架下LSTM網(wǎng)絡(luò)在短期電力負荷預(yù)測中的應(yīng)用[J]. 陳亮,王震,王剛.  電力信息與通信技術(shù). 2017(05)
[7]大數(shù)據(jù)下的深度學習研究[J]. 王金甲,陳浩,劉青玉.  高技術(shù)通訊. 2017(01)
[8]主動配電網(wǎng)中的電能質(zhì)量解決方案 訪江蘇省電力公司電力科學研究院電網(wǎng)技術(shù)中心副主任袁嘵冬[J]. 楊帆.  電氣應(yīng)用. 2015(23)
[9]電能質(zhì)量預(yù)測與預(yù)警機制及其應(yīng)用[J]. 丁澤俊,劉平,歐陽森,曾江,黃瑞藝.  電力系統(tǒng)及其自動化學報. 2015(10)
[10]主動配電網(wǎng)現(xiàn)狀與未來發(fā)展[J]. 趙波,王財勝,周金輝,趙俊暉,楊野青,余金龍.  電力系統(tǒng)自動化. 2014(18)



本文編號：3276017