亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于神經(jīng)網(wǎng)絡(luò)的電源出力同時(shí)率研究

        2020-06-02 13:57:57廖云華
        裝備維修技術(shù) 2020年24期
        關(guān)鍵詞:永州市神經(jīng)網(wǎng)絡(luò)

        廖云華

        摘 要:根據(jù)湖南 發(fā)改委發(fā)布的《關(guān)于發(fā)布全省 2020-2021 年度新能源消納預(yù)警結(jié)果的通知》,永州地區(qū)被劃分為風(fēng)電接入紅色預(yù)警區(qū)域,光伏接入橙色預(yù) 警區(qū)域,電源接入面臨電網(wǎng)送出困難的難題,電源接入前需對電網(wǎng)消納能力做準(zhǔn)確的分析,保證電源合理有序接入電網(wǎng)。因此本文引入神經(jīng)網(wǎng)絡(luò)進(jìn)行分析電源出力同時(shí)率,針對電源選取,計(jì)算方法選取、電源出力同時(shí)率計(jì)算等方面進(jìn)行分析,希望對于相關(guān)的人員提供參考與借鑒的作用。

        關(guān)鍵詞:永州市;神經(jīng)網(wǎng)絡(luò);電源出力同時(shí)率

        1 引言

        目前,電源出力同時(shí)率的選取通常通過統(tǒng)計(jì)區(qū)域內(nèi)已投產(chǎn)電源出力同時(shí)率分區(qū)段概率分布情況選取,或者根據(jù)經(jīng)驗(yàn)選取,缺乏一種快速精確的計(jì)算方法。本文旨在研究使用神經(jīng)網(wǎng)絡(luò)算法快速預(yù)測電源出力同時(shí)率。

        2.電源選取

        采用永州市已投水電、風(fēng)電、光伏 2018-2019 年全年 1h 采樣出力數(shù)據(jù)統(tǒng)計(jì)分析出力特性。為避免全年運(yùn)行數(shù)據(jù)不全帶來的影響,分析數(shù)據(jù)選取 2018 年底前投產(chǎn)電源。截止 2019 底,永州地區(qū)已投產(chǎn)35 千伏及以上電源共 20 座,容量 1354.7MW,其中水電 10 座,容量608.7MW;風(fēng)電 7 座,容量 642MW;光伏 3 座,容量容量 104MW。

        3.電源出力同時(shí)率計(jì)算方法選擇

        3.1概率統(tǒng)計(jì)方法

        該方法為目前電力電量平衡中普遍使用的方法,僅可統(tǒng)計(jì)現(xiàn)有投產(chǎn)電源出力同時(shí)率情況,對于新增的電源,出力同時(shí)率如何取值無法判別,從而該種方法得到的電源出力同時(shí)率準(zhǔn)確度不高。

        3.2散點(diǎn)圖曲線擬合

        利用曲線擬合可以對未來變化趨勢進(jìn)行預(yù)測,但擬合曲線種類有限,對于變化不規(guī)律,曲線擬合度較差,僅可作為變化趨勢的判別, 難以滿足高精度要求。

        3.3神經(jīng)網(wǎng)絡(luò)算法

        人工神經(jīng)網(wǎng)絡(luò)以大腦機(jī)制作為基礎(chǔ),開發(fā)用于建立復(fù)雜模式和預(yù)測問題的算法,在從初始化輸入及其關(guān)系學(xué)習(xí)之后,它也可以推斷出從未知數(shù)據(jù)之間的未知關(guān)系,從而使得模型能夠推廣并且預(yù)測未知數(shù)據(jù),這在電源出力同時(shí)率變化未知預(yù)測中非常有用,因此,該課題使用人工神經(jīng)網(wǎng)絡(luò)測算電源出力同時(shí)率。

        4 神經(jīng)網(wǎng)絡(luò)

        4.1神經(jīng)元模型

        生物神經(jīng)元是生物神經(jīng)系統(tǒng)的最基本單元,按照是否有神經(jīng)沖動(dòng),可以將神經(jīng)元分為興奮與抑制兩種狀態(tài),這兩種狀態(tài)通過細(xì)胞膜內(nèi)外之間的不同電位差來表征。

        對于神經(jīng)網(wǎng)絡(luò)(neural networks)的研究在很早以前就已出現(xiàn), 今天的“神經(jīng)網(wǎng)絡(luò)”已經(jīng)是一個(gè)龐大的、多學(xué)科交叉的研究領(lǐng)域。各學(xué)科對神經(jīng)網(wǎng)絡(luò)的定義多種多樣,被廣泛接受的定義是:“神經(jīng)網(wǎng)絡(luò)是由具有適應(yīng)性的簡單單元組成的廣泛并行互連的網(wǎng)絡(luò),它的組織能夠模擬生物神經(jīng)系統(tǒng)對真實(shí)世界物體所作出的交互反應(yīng)。

        神經(jīng)元模型是生物神經(jīng)元的抽象和模擬,是神經(jīng)網(wǎng)絡(luò)理論的最基本組成部分,即神經(jīng)網(wǎng)絡(luò)的定義中提到的“簡單單元”。在生物神經(jīng)網(wǎng)絡(luò)中,每個(gè)神經(jīng)元與其他神經(jīng)元相連,當(dāng)它“興奮”時(shí),就會(huì)向相連的神經(jīng)元發(fā)送化學(xué)物質(zhì),從而改變這些神經(jīng)元內(nèi)的電位;如果某神經(jīng)元的電位超過了一個(gè)“閾值”(threshold),那么它就會(huì)被激活,即“興奮” 起來,向其他神經(jīng)元發(fā)送化學(xué)物質(zhì)。

        4.2感知機(jī)與多層網(wǎng)絡(luò)

        由兩層神經(jīng)元組成的網(wǎng)絡(luò)被稱為感知機(jī),輸入層接收外界輸入信號(hào)后傳遞給輸出層,輸出層是 M-P 神經(jīng)元,亦稱為“閾值邏輯單元”。實(shí)際中廣泛使用神經(jīng)網(wǎng)絡(luò)往往是層級結(jié)構(gòu),每層神經(jīng)元與下一層神經(jīng)元完全互連,神經(jīng)元之間不存在同層連接,也不存在跨層連接,這樣的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)通常稱為“多層前饋神經(jīng)網(wǎng)絡(luò)”。輸入層與輸出層之間的一層神經(jīng)元被稱作隱層或者隱含層,隱含層和輸出層神經(jīng)元都是擁有激活函數(shù)的功能神經(jīng)元。只需包含隱含層,即可稱為多層網(wǎng)絡(luò)。輸入層神經(jīng)元接收外界輸入,隱層與輸出層神經(jīng)元對信號(hào)進(jìn)行加工,最終結(jié)果由輸出層神經(jīng)元輸出;其中,輸入層神經(jīng)元僅是接收輸入,不進(jìn)行函數(shù)處理,隱層和輸出層包含功能神經(jīng)元。

        學(xué)習(xí)與訓(xùn)練是神經(jīng)網(wǎng)絡(luò)的兩個(gè)重要概念,學(xué)習(xí)指的是“神經(jīng)元系統(tǒng)根據(jù)某種學(xué)習(xí)方法調(diào)整它內(nèi)部參數(shù)以完成特定的任務(wù)的過程”。訓(xùn)練指的是“向網(wǎng)絡(luò)輸人足夠多的樣本,通過一定算法調(diào)整網(wǎng)絡(luò)的結(jié)構(gòu)(主要是調(diào)節(jié)權(quán)值),使網(wǎng)絡(luò)的輸出與預(yù)期值相符的過程”。P 神經(jīng)元為例,神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程,就是根據(jù)訓(xùn)練數(shù)據(jù)來調(diào)整神經(jīng)元之間的“連接權(quán)重”(connection weight)以及每個(gè)功能神經(jīng)元的閾值;換言之,神經(jīng)網(wǎng)絡(luò)“學(xué)”到的東西,蘊(yùn)涵在連接權(quán)與閾值中。

        4.3誤差逆?zhèn)鞑ニ惴?/p>

        想要訓(xùn)練多層網(wǎng)絡(luò),需要依賴強(qiáng)大的學(xué)習(xí)算法。誤差逆?zhèn)鞑ィ╡rrorback propagation,簡稱 BP)算法就是其中最杰出的代表,它是迄今最成功的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法,被廣泛應(yīng)用于多層前饋神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。

        對每個(gè)訓(xùn)練樣例,BP 算法執(zhí)行以下操作:先將輸入示例提供給輸入層神經(jīng)元,然后逐層將信號(hào)前傳,直到產(chǎn)生輸出層的結(jié)果;然后計(jì)算輸出層的誤差(第 4-5 行),再將誤差逆向傳播至隱層神經(jīng)元(第 6 行),最后根據(jù)隱層神經(jīng)元的誤差來對連接權(quán)和閾值進(jìn)行調(diào)整(第 7 行)。該迭代過程循環(huán)進(jìn)行,直到達(dá)到某些停止條件為止,例如訓(xùn)練誤差已達(dá)到一個(gè)很小的值。

        5 電源出力同時(shí)率計(jì)算

        5.1 電源規(guī)模增大對同時(shí)率的影響

        統(tǒng)計(jì)水電、風(fēng)電、光伏同時(shí)刻隨電源規(guī)模增大各月份同時(shí)率變化情況,由下表數(shù)據(jù)可知,隨著區(qū)域電源規(guī)模的增加,水電、風(fēng)電、光伏出力同時(shí)率均是呈下降趨勢。

        5.2 基于神經(jīng)網(wǎng)絡(luò)的同時(shí)率計(jì)算

        通過MATLAB 軟件構(gòu)建電源出力同時(shí)率的BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型,調(diào)取電源出力8760 數(shù)據(jù),按同時(shí)刻相加組合預(yù)測電源出力同時(shí)率隨電源座數(shù)增加的變化規(guī)律,計(jì)算過程中將電源進(jìn)行組合求算術(shù)平均數(shù),防止電源出力特殊情況影響。

        通過神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測新增電源對應(yīng)的水電、風(fēng)電同時(shí)率,擬合誤差較小,滿足精度要求。從水電同時(shí)率變化曲線可以看出,水電出力同時(shí)率與座數(shù)的關(guān)系為非典型的曲線關(guān)系,隨著電源座數(shù)的增加,電源出力同時(shí)率變化曲線趨于平滑。

        6結(jié)論

        6.1 永州地區(qū)水電在春夏之交水資源較豐富,日水電最大出力發(fā)生在晚 19-21 點(diǎn);風(fēng)電場在冬季、初春風(fēng)資源較豐富,與春夏之交的豐水期能形成較好的互補(bǔ),日風(fēng)電最大出力發(fā)生在晚 20-22 點(diǎn);光伏在夏季光照資源較豐富,日光伏最大出力發(fā)生在中午 12-13 點(diǎn)。

        6.2通過 MATLAB 軟件構(gòu)建電源出力同時(shí)率的 BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型,預(yù)測新增 1 座水電站則同時(shí)率降至 89%,隨著電站數(shù)量的增加,同時(shí)率變化將趨于平緩;預(yù)測新增1座風(fēng)電場則同時(shí)率降至74%,新增 5 座水電站則同時(shí)率降至72%,隨著電站數(shù)量的增加,同時(shí)率變化將趨于平緩;由于永州地區(qū)現(xiàn)有光伏電站樣本較少,等永州地區(qū)投產(chǎn)足夠的光伏電站,同理可以使用神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行光伏電站同時(shí)率的預(yù)測。

        參考文獻(xiàn):

        [1]畢云帆,撖奧洋,張智晟,等.基于模糊Bagging-GBDT的短期負(fù)荷預(yù)測模型研究[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào),2019,31(7):51-56.

        [2]常曉雪,于立濤,撖奧洋,等.基于Bagging算法和Elman-NN融合的短期負(fù)荷預(yù)測模型[J].青島大學(xué)學(xué)報(bào)(工程技術(shù)版),2018,33(3):87-91.

        [3]原思平.深度時(shí)序神經(jīng)網(wǎng)絡(luò)集成方法及其電能需量預(yù)測應(yīng)用[D].長沙:湘潭大學(xué),2019.

        (國網(wǎng)永州供電公司,湖南 永州 425000)

        猜你喜歡
        永州市神經(jīng)網(wǎng)絡(luò)
        我的同桌是『高人』
        永州市零陵區(qū)旅游紀(jì)念品開發(fā)研究
        活力(2019年17期)2019-11-26 00:41:06
        神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
        電子制作(2019年19期)2019-11-23 08:42:00
        This is my family
        永州市藍(lán)山縣竹管寺土話親屬稱謂探析
        基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
        復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
        基于支持向量機(jī)回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
        區(qū)域土地生態(tài)安全演化研究——以永州市為例
        基于神經(jīng)網(wǎng)絡(luò)分?jǐn)?shù)階控制的逆變電源
        精品国产sm最大网站| 国产美女亚洲精品一区| 视频一区二区免费在线观看| 一道本久久综合久久鬼色| 午夜福利av无码一区二区| 国产精品二区在线观看| 久久成人黄色免费网站| 三级日韩视频在线观看| 女的扒开尿口让男人桶30分钟| 国产精品亚洲一区二区无码| 亚洲无码毛片免费视频在线观看| 中国亚洲av第一精品| 一二区成人影院电影网| 77777亚洲午夜久久多人| 久久精品国产亚洲片| 麻豆人妻性色av专区0000| 国产精品vⅰdeoxxxx国产| 丰满少妇人妻无码专区| 国产一区二区三区四区色| 一区二区视频在线观看地址| 亚洲а∨精品天堂在线| 久久91综合国产91久久精品| 国产av午夜精品一区二区入口| 成年美女黄网站色大免费视频 | 中文字幕人妻无码一夲道| 久久亚洲精品成人| 一本色道亚州综合久久精品| 国产激情久久久久影院小草| 国产va免费精品高清在线| 青草青草伊人精品视频| 男女深夜视频网站入口| 少妇高潮无套内谢麻豆传| 国产在线一91区免费国产91| 视频一区二区不中文字幕| 红桃av一区二区三区在线无码av| 最新国产乱人伦偷精品免费网站| 亚洲综合一| 91三级在线观看免费| 国产精品无码午夜福利| 国产一区二区丰满熟女人妻| 午夜精品男人天堂av|