廣東工業(yè)大學(xué)自動(dòng)化學(xué)院 許 銳 許錦標(biāo)

0 引言

電力潮流計(jì)算是電力系統(tǒng)三大計(jì)算之一，是電力系統(tǒng)中最重要的計(jì)算之一。傳統(tǒng)的潮流計(jì)算方法有PQ分解法，牛頓法等。[1]

在人工智能的方法中，BP神經(jīng)網(wǎng)絡(luò)為眾多方法中的一種研究方法。因?yàn)锽P神經(jīng)網(wǎng)絡(luò)模擬出一下復(fù)雜問題，能夠自學(xué)習(xí)以及較強(qiáng)的魯棒性和容錯(cuò)性等優(yōu)點(diǎn)，所以BP神經(jīng)網(wǎng)絡(luò)可以對(duì)電力系統(tǒng)中復(fù)雜的問題進(jìn)行建模和仿真。[2]BP神經(jīng)網(wǎng)絡(luò)，是具有多層結(jié)構(gòu)的，又可以稱之為誤差反向傳播神經(jīng)網(wǎng)絡(luò)。

1 基于BP神經(jīng)網(wǎng)絡(luò)的潮流計(jì)算

潮流計(jì)算的意義對(duì)于電力系統(tǒng)的穩(wěn)定以及故障分析有非常重要的作用，屬于電力系統(tǒng)三大計(jì)算之一。結(jié)合BP網(wǎng)絡(luò)的優(yōu)點(diǎn)，提出利用神經(jīng)網(wǎng)絡(luò)替代傳統(tǒng)的潮流計(jì)算方法，為電力網(wǎng)絡(luò)系統(tǒng)提高穩(wěn)定性計(jì)算和故障分析。

具體步驟如下：

（1）選取一個(gè)電力系統(tǒng)，在matlab的simulink工具下進(jìn)行仿真，產(chǎn)生多組仿真的數(shù)據(jù)，并把這些仿真數(shù)據(jù)記錄下來(lái)，作為網(wǎng)絡(luò)的輸入；

（2）通過(guò)matlab語(yǔ)言編程，建立BP神經(jīng)網(wǎng)絡(luò)，并把訓(xùn)練樣本加入到神經(jīng)網(wǎng)絡(luò)當(dāng)中；

（3）進(jìn)行仿真，觀察仿真結(jié)構(gòu)與實(shí)際輸出值的誤差，若誤差較大，調(diào)整BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)；若誤差符合預(yù)先設(shè)定值，則該網(wǎng)絡(luò)正確；

（4）把訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)運(yùn)用到電力系統(tǒng)潮流計(jì)算當(dāng)中。[3]

2 算例仿真分析

2.1 電力系統(tǒng)模型

在如今的電力系統(tǒng)分析中，電力網(wǎng)絡(luò)的數(shù)學(xué)模型是其基礎(chǔ)。本文所研究的電力系統(tǒng)模型是由線性的集中參數(shù)元件組成。圖1所示是一個(gè)簡(jiǎn)單的電力系統(tǒng)模型。

2.1.1 輸入和輸出的選取

在圖1所示中的電力網(wǎng)絡(luò)系統(tǒng)中，一般情下，假設(shè)線路的參數(shù)是不變的，變壓器的參數(shù)也是不變的，具體參數(shù)為：

L=80km，采用LGJ-150導(dǎo)線，ro=0.21/km，x0=0.416歐/km,b0=2.76*10-6S/km。

變壓器為三相110/11KV，每臺(tái)的容量為15MV.A，其參數(shù)為：P0=40.5KW，PS=128KW，VS%=10.5，I0%=3.5。

固定母線A的實(shí)際運(yùn)行電壓為117KV，額定電壓為110KV。所以

圖1 簡(jiǎn)單電力網(wǎng)絡(luò)系統(tǒng)

2.1.2 BP神經(jīng)網(wǎng)絡(luò)的參數(shù)

用matlab語(yǔ)言進(jìn)行編程，建立一個(gè)三層的BP神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)如下：

輸入層數(shù)、隱含層數(shù)，輸出層數(shù)分別為4，11，1；學(xué)習(xí)速率設(shè)置的值是0.05；目標(biāo)誤差為0.0001；傳遞函數(shù)分別為：雙曲正切S型傳輸函數(shù)tansig和線性傳輸函數(shù)purelin；訓(xùn)練函數(shù)選取增加動(dòng)量項(xiàng)的BP算法；動(dòng)量因子選擇0.9。

2.2 仿真

圖2 訓(xùn)練過(guò)程中網(wǎng)絡(luò)誤差性能的變化

選擇負(fù)荷功率作為樣本的輸入，選擇母線c的電壓作為輸出響應(yīng)。

圖3 回歸系數(shù)曲線

從圖2所示中可以看出，BP神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)了144次迭代之后，網(wǎng)絡(luò)的誤差下降到預(yù)先設(shè)定的誤差值，網(wǎng)絡(luò)輸出可以比較號(hào)地收斂到期望的目標(biāo)響應(yīng)，最后的響應(yīng)誤差較小，證明經(jīng)過(guò)訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)是可以代替?zhèn)鹘y(tǒng)的潮流算法對(duì)電力系統(tǒng)進(jìn)行潮流計(jì)算，而且精度較高，速度更快。

圖4 預(yù)測(cè)曲線與真實(shí)數(shù)據(jù)

從圖3所示的回歸系數(shù)曲線可以看出訓(xùn)練網(wǎng)絡(luò)輸出值和目標(biāo)值有著極好的線性度。說(shuō)明訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)可以準(zhǔn)確的對(duì)電力網(wǎng)絡(luò)計(jì)算潮流。圖4所示中，*畫出的曲線代表的是實(shí)際的電壓值，o畫出的曲線代表的是BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值。所以，由圖5可以看得出，雖然網(wǎng)絡(luò)預(yù)測(cè)具有一定的誤差，但是預(yù)測(cè)值與實(shí)際的電壓曲線誤差不大，且基本重合。故利用BP神網(wǎng)絡(luò)對(duì)電力網(wǎng)絡(luò)系統(tǒng)進(jìn)行潮流計(jì)算的方法是非常準(zhǔn)確的，BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)率也是非常理想的，所以對(duì)圖2中的簡(jiǎn)單電力系統(tǒng)模型來(lái)說(shuō)，BP神經(jīng)網(wǎng)絡(luò)所建立的模型是有效的，驗(yàn)證了本文開始所提出BP神經(jīng)網(wǎng)絡(luò)代替?zhèn)鹘y(tǒng)潮流算法的正確性。

3 結(jié)論

本文研究了利用BP神經(jīng)網(wǎng)絡(luò)來(lái)代替?zhèn)鹘y(tǒng)的潮流計(jì)算方法對(duì)電力系統(tǒng)進(jìn)行潮流計(jì)算的問題。文中建立了一個(gè)BP神經(jīng)網(wǎng)絡(luò)，對(duì)一個(gè)簡(jiǎn)單的電力系統(tǒng)進(jìn)行潮流計(jì)算，利用該電力網(wǎng)絡(luò)的負(fù)荷作為輸入，母線電壓作為輸出來(lái)對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。并用matlab程序來(lái)對(duì)系統(tǒng)仿真，經(jīng)過(guò)仿真后所得處的圖可以得出預(yù)測(cè)值與實(shí)際值的誤差以及擬合程度。最終結(jié)果驗(yàn)證了這種方法的正確性，證明了BP神經(jīng)網(wǎng)絡(luò)可以應(yīng)用于電力系統(tǒng)的潮流計(jì)算當(dāng)中。顯然這種方法要比傳統(tǒng)的潮流計(jì)算方法速度要更快。

[1]何仰贊,溫增銀.電力系統(tǒng)分析[M].武漢:華中科技大學(xué)出版社(第3版),2002.

[2]朱凱,王正林.精通MATLAB神經(jīng)網(wǎng)絡(luò)[M].北京:電子工業(yè)出版社,2010.

[3]賁可榮,張彥鐸.人工智能[M].北京:清華大學(xué)出版社,2006.