电网技术
電網技術
전망기술
POWER SYSTEM TECHNOLOGY
2007年
17期
56-59
,共4页
陈幸琼%邓长虹%潘章达%董超
陳倖瓊%鄧長虹%潘章達%董超
진행경%산장홍%반장체%동초
负荷建模%循环神经网络%RBF网络%模型辨识
負荷建模%循環神經網絡%RBF網絡%模型辨識
부하건모%순배신경망락%RBF망락%모형변식
针对负荷模型难以精确建立的问题以及负荷非线性动态仿真的复杂性,提出了一种基于径向基循环神经网络的负荷建模方法.将循环神经网络和径向基网络相结合,利用循环神经网络对时间序列的学习能力和径向基网络具有结构自适应确定、快速收敛的优点,建立新的电力系统综合负荷模型.典型新英格兰测试系统的仿真证明了该模型对电力系统负荷模型辨识的有效性和准确性.
針對負荷模型難以精確建立的問題以及負荷非線性動態倣真的複雜性,提齣瞭一種基于徑嚮基循環神經網絡的負荷建模方法.將循環神經網絡和徑嚮基網絡相結閤,利用循環神經網絡對時間序列的學習能力和徑嚮基網絡具有結構自適應確定、快速收斂的優點,建立新的電力繫統綜閤負荷模型.典型新英格蘭測試繫統的倣真證明瞭該模型對電力繫統負荷模型辨識的有效性和準確性.
침대부하모형난이정학건립적문제이급부하비선성동태방진적복잡성,제출료일충기우경향기순배신경망락적부하건모방법.장순배신경망락화경향기망락상결합,이용순배신경망락대시간서렬적학습능력화경향기망락구유결구자괄응학정、쾌속수렴적우점,건립신적전력계통종합부하모형.전형신영격란측시계통적방진증명료해모형대전력계통부하모형변식적유효성화준학성.
