基于人工智能神经网络的配电系统的研究与实现

论文编号:ZD241 论文字数:19857,页数:49

摘  要
 本论文基于多层前馈神经网络误差反向传播(BP)模型的电力系统短期负荷预测的方法,根据电力系统短期负荷变化的特性建立了既反映电力系统负荷连续性、周期性及其负荷的变化趋势,又包含天气变化对系统负荷的影响的日负荷模型,以此作为对BP神经网络进行训练的向量样本集。通过实例表明ANN应用于电力系统短期负荷预测是可行的,有效的,其预报结果比传统的负荷预测方法更准确。
    统一矩阵故障定位法在信息畸变模式下可能会造成误判;遗传算法则存在目标函数构造瓶颈问题。基于新型神经网络模式的配电网故障定位方法利用了FTU的特征量实现故障定位,具有一定的容错能力。仿真结果证明了该方法的有效性。　
   
 关键词：神经网络；电力系统；负荷预测；故障检测

Abstract

 On the basis of the BP modle of multi-layer feedforward neural network ,this paper presents a short-term load forecast method for power system. According to the variation characteristics of short-term system load, a day load model which not only reflects the continuity ,periodicity and variation trend of system load but also includes the effects of weather on the load is set up as the vector sample set for training the BP neural network. Practical examples indicate that the application of ANN to short-term load forecast is feasible and effective ,and can produce more accurate results than conventional method.
 The fault locating in distribution networks based on unified matrix algorithm may  result  in false judge under the information distortion mode; the construction of the fitness function is a main bottleneck for the application of genetic algorithm.The method of fault section diagnosis of distribution networks based on new nerve network is presented in this paper. The method has high fault-tolerance performance and the result of simulation show that this method is effective.

 Key words: nerve network；Electric power system; load forcasting; fault section diagnosis

目 录

摘要…………………………………………………………………………………………  I
Abstract ………………………………………………………………………………… II
第一章  绪论  ……………………………………………………………………………  1
 1.1 人脑信息处理的特点……………………………………………………………  1
 1.2 神经网络发展简史………………………………………………………………  1
 1.3 人工神经网络的现状与前景……………………………………………………  2
 1.4 毕业设计的目的及意义…………………………………………………………  2
 1.5 毕业设计的内容及创新之处……………………………………………………  2
第二章  人工神经网络的基本原理与算法………………………………………………  4
 2.1 生物神经元………………………………………………………………………  4
 2.2 人工神经元………………………………………………………………………  4
 2.3 简单神经元的学习………………………………………………………………  6
 2.4 多层神经网络的学习规则………………………………………………………  6
第三章  电力系统负荷预测的人工神经网络方法………………………………………  9
 3．1  短期负荷预测的人工神经网络方法………………………………………… 9
 3.1.1 引言……………………………………………………………………     9
 3.1.2 负荷分类与负荷特征…………………………………………………   10
 3.1.3 人工神经网络…………………………………………………………   11
 3.1.4 MATLAB神经网络工具箱的电力系统负荷预报……………………… 13
 3.2  中长期负荷预测的人工神经网络方法………………………………………19
 3.2.1  BP算法的改进…………………………………………………………  19
 3.2.2  异变换函数……………………………………………………………   20
 3.2.3  模糊神经网络…………………………………………………………   21
 3.2.4  算例……………………………………………………………………   22
 3.2.5  结论……………………………………………………………………   25
第四章  基于神经网络电力系统故障检测……………………………………………   26
 4.1  基于神经网络模式的配电网故障定位………………………………………  26
 4.1.1 配电网故障定位系统的原理…………………………………………… 26
 4.1.2 用于故障定位的神经网络模型………………………………………… 26
 4.1.3 网络的训练及仿真测试………………………………………………… 27
 4.1.4 与传统BP神经网络的比较……………………………………………  29
     4.1.5 结论……………………………………………………………………… 29
 4.2 电力系统时域分析……………………………………………………………    30
     4.2.1 模型分析…………………………………………………………………30
        4.2.2 仿真参数设置……………………………………………………………30
        4.2.3 仿真结果…………………………………………………………………31
电力系统监控及配电自动化…………………………………………………  42
 5.1 电力自动化监控系统定位…………………………………………………… 42
 5.2 电力系统的发展趋势要求…………………………………………………… 42
 5.3 电力自动化监控系统的实现目标…………………………………………… 42
 5.4 配电自动化的基本模式……………………………………………………… 44
 5.5 配电网自动化水平分析……………………………………………………… 44
 5.6 配电自动化实施步骤………………………………………………………… 44
结论………………………………………………………………………………………  46
参考文献……………………………………………………………………………………47
致谢…………………………………………………………………………………………48

相关论文