本文關(guān)鍵詞：基于改進BP神經(jīng)網(wǎng)絡(luò)的在線短路電流預(yù)測，由筆耕文化傳播整理發(fā)布。

【摘要】：二十世紀(jì)以來,隨著大容量發(fā)電機組和變電設(shè)備的大量投入使用、電力負(fù)荷的不斷增大、以及風(fēng)電核電等新能源的接入,我國電網(wǎng)進入迅速發(fā)展新時期。負(fù)荷中心大電廠的出現(xiàn)以及大電力系統(tǒng)之間的互聯(lián),使得整個電網(wǎng)呈現(xiàn)出大規(guī)模、復(fù)雜異構(gòu)的特性,與此同時各種問題也隨之出現(xiàn),其中一個格外突出的問題就是系統(tǒng)的短路電流水平隨電網(wǎng)的發(fā)展出現(xiàn)大小和分布的不規(guī)則變化。因此根據(jù)系統(tǒng)電力負(fù)荷的增大以及自然條件的變化,實時、快速地對短路電流進行計算和預(yù)測顯得日益迫切,這已成為電力部門進行電網(wǎng)規(guī)劃與建設(shè)以及采用措施限制短路電流等方面的重要研究課題之一。本文主要圍繞基于改進BP神經(jīng)網(wǎng)絡(luò)的在線短路電流預(yù)測展開研究。根據(jù)以往電力系統(tǒng)短路電流的計算及預(yù)測方法,對BP神經(jīng)網(wǎng)絡(luò)基本理論方法進行深入細(xì)致地研究。為了克服神經(jīng)網(wǎng)絡(luò)收斂速度慢且由于網(wǎng)絡(luò)初始值選取不當(dāng)而陷入局部極小點的缺點,首先利用自適應(yīng)混沌粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)各層之間的初始權(quán)值和閾值,然后對BP網(wǎng)絡(luò)進行訓(xùn)練,從而得到改進的BP神經(jīng)網(wǎng)絡(luò)。通過對短路電流各種特性的分析,綜合考慮了電力負(fù)荷、發(fā)電機出力、天氣因素以及日期類型等因素對短路電流的影響,并將這些影響因素作為BP神經(jīng)網(wǎng)絡(luò)的輸入特征量,在輸入特征量中對節(jié)點的負(fù)荷值進行異常數(shù)據(jù)處理,在遵循有功出力約束條件和均勻分布的原則下來產(chǎn)生輸入樣本,對輸入樣本進行了歸一化處理,對溫度、天氣狀況、日期類型進行了量化處理。將采用基于精確等效模型計算方法得到的短路電流實際值作為輸出期望值,建立了基于改進BP神經(jīng)網(wǎng)絡(luò)的在線短路電流預(yù)測模型。最后對某市一天24個整點時刻的短路電流進行預(yù)測,比較基于改進BP神經(jīng)網(wǎng)絡(luò)的在線短路電流預(yù)測模型與基于BP神經(jīng)網(wǎng)絡(luò)的在線短路電流預(yù)測模型、基于精確等效模型計算方法得到的短路電流實際值。結(jié)果表明,本文所建立的基于改進BP神經(jīng)網(wǎng)絡(luò)的在線短路電流預(yù)測模型能提高預(yù)測精度和速度,與短路電流實際值的擬合度更高,其預(yù)測性能明顯優(yōu)于基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型,具有很好的非線性映射能力,且改進BP網(wǎng)絡(luò)的訓(xùn)練時間比較短為139s。整個預(yù)測方法運算時間小于200s。
【關(guān)鍵詞】：電網(wǎng)規(guī)劃 短路電流預(yù)測 BP神經(jīng)網(wǎng)絡(luò) 自適應(yīng)混沌粒子群算法 電力負(fù)荷 發(fā)電機出力
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP183;TM713
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-16
• 1.1 課題研究背景及意義10-11
• 1.2 短路電流預(yù)測概述11-12
• 1.2.1 短路電流預(yù)測的概念11-12
• 1.2.2 短路電流預(yù)測的分類12
• 1.3 國內(nèi)外短路電流研究現(xiàn)狀12-14
• 1.4 全文安排14-16
• 第2章 基于在線短路電流預(yù)測模型的理論基礎(chǔ)16-27
• 2.1 BP神經(jīng)網(wǎng)絡(luò)16-21
• 2.1.1 人工神經(jīng)網(wǎng)絡(luò)的概念16-17
• 2.1.2 BP神經(jīng)網(wǎng)絡(luò)的基本原理17-19
• 2.1.3 BP算法的若干改進19-21
• 2.2 自適應(yīng)混沌粒子群優(yōu)化算法21-24
• 2.2.1 群智能概述21
• 2.2.2 粒子群優(yōu)化算法21-23
• 2.2.3 自適應(yīng)混沌粒子群優(yōu)化算法的原理23-24
• 2.3 自適應(yīng)混沌粒子群-BP神經(jīng)網(wǎng)絡(luò)混合算法24-27
• 第3章 基于自適應(yīng)混沌粒子群-BP神經(jīng)網(wǎng)絡(luò)的在線短路電流預(yù)測模型27-47
• 3.1 短路電流的影響因素分析27-32
• 3.1.1 負(fù)荷對短路電流的影響28-29
• 3.1.2 發(fā)電機組對短路電流的影響29-31
• 3.1.3 自然因素對短路電流的影響31-32
• 3.2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的確定32-36
• 3.2.1 輸入輸出層節(jié)點數(shù)的確定32-34
• 3.2.2 隱含層節(jié)點數(shù)的確定34
• 3.2.3 傳輸函數(shù)的確定34-36
• 3.3 自適應(yīng)混沌粒子群-BP神經(jīng)網(wǎng)絡(luò)短路電流預(yù)測模型的建立36-47
• 3.3.1 短路電流預(yù)測模型輸入樣本的建立36-39
• 3.3.2 短路電流實際值的計算39-45
• 3.3.3 自適應(yīng)混沌粒子群-BP神經(jīng)網(wǎng)絡(luò)在線短路電流預(yù)測模型45-47
• 第4章 實例分析47-53
• 4.1 基于改進BP神經(jīng)網(wǎng)絡(luò)的在線短路電流預(yù)測結(jié)果47-52
• 4.2 結(jié)果分析52-53
• 總結(jié)與展望53-55
• 參考文獻55-58
• 致謝58-59
• 附錄A 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文目錄59-60
• 附錄B 攻讀學(xué)位期間參與科研工作情況60

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張紹忠;短路電流大好還是小好[J];農(nóng)村電工;2002年09期

2 楊耀政;低壓短路電流及其計算[J];山西建筑;2004年18期

3 潘思安,何善瑾;上海220kV電網(wǎng)短路電流控制研究[J];華東電力;2005年05期

4 韓武;董俊;孫士云;江顯芝;;T接空載線路對短路電流影響的研究[J];云南電力技術(shù);2005年06期

5 吳國忠;;多級電網(wǎng)短路電流的簡便計算方法[J];機械管理開發(fā);2006年01期

6 任志遠;;電網(wǎng)短路電流問題的探討和限制短路電流的措施[J];內(nèi)蒙古石油化工;2007年10期

7 曾志波;;淺議電力設(shè)計中關(guān)于短路電流的計算方法[J];建材與裝飾(下旬刊);2008年02期

8 陶建鑫;朱本坤;;基于環(huán)網(wǎng)的短路電流計算方法研究[J];電子設(shè)計工程;2013年03期

9 О.Б.Брон;Ю.И.Шестиперов;劉書駿;;論1000伏以下電網(wǎng)中的短路電流[J];低壓電器技術(shù)情報;1980年06期

10 張灼端;交流網(wǎng)絡(luò)短路電流的估算[J];造船技術(shù);1982年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 劉俊;馬志瀛;閆靜;涂煜;欒樂;;基于改進梯度校正法的短路電流在線實時計算[A];第一屆電器裝備及其智能化學(xué)術(shù)會議論文集[C];2007年

2 林s，

本文編號：257626