电工技术学报
電工技術學報
전공기술학보
TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY
2006年
9期
1-6,12
,共7页
李培强%李欣然%陈辉华%唐外文
李培彊%李訢然%陳輝華%唐外文
리배강%리흔연%진휘화%당외문
负荷建模%模糊系统%神经网络%减法聚类
負荷建模%模糊繫統%神經網絡%減法聚類
부하건모%모호계통%신경망락%감법취류
负荷模型是决定电力系统仿真结果可信度的关键因素之一,本文从非机理模型的角度,提出一种基于减法聚类的模糊神经网络的负荷建模新方法.首先对建模样本输入输出数据进行特征分析,建立其山峰密度函数,应用减法聚类自适应的调整建模数据的聚类数和聚类中心,以确定负荷模型的模糊规则数和隶属度函数个数.在此基础上建立综合负荷模型的模糊初始结构.通过神经网络对推理数据进行学习,获取模糊推理规则,同时调整隶属函数的参数,用反向传播算法来修正网络的连接权重,辨识模糊模型的隶属函数的参数,完成综合负荷的非机理建模.通过对实测综合负荷的有功和无功建模实例,证明了该方法具有很高的拟合精度和收敛速度,对负荷建模具有重要的指导意义.
負荷模型是決定電力繫統倣真結果可信度的關鍵因素之一,本文從非機理模型的角度,提齣一種基于減法聚類的模糊神經網絡的負荷建模新方法.首先對建模樣本輸入輸齣數據進行特徵分析,建立其山峰密度函數,應用減法聚類自適應的調整建模數據的聚類數和聚類中心,以確定負荷模型的模糊規則數和隸屬度函數箇數.在此基礎上建立綜閤負荷模型的模糊初始結構.通過神經網絡對推理數據進行學習,穫取模糊推理規則,同時調整隸屬函數的參數,用反嚮傳播算法來脩正網絡的連接權重,辨識模糊模型的隸屬函數的參數,完成綜閤負荷的非機理建模.通過對實測綜閤負荷的有功和無功建模實例,證明瞭該方法具有很高的擬閤精度和收斂速度,對負荷建模具有重要的指導意義.
부하모형시결정전력계통방진결과가신도적관건인소지일,본문종비궤리모형적각도,제출일충기우감법취류적모호신경망락적부하건모신방법.수선대건모양본수입수출수거진행특정분석,건립기산봉밀도함수,응용감법취류자괄응적조정건모수거적취류수화취류중심,이학정부하모형적모호규칙수화대속도함수개수.재차기출상건립종합부하모형적모호초시결구.통과신경망락대추리수거진행학습,획취모호추리규칙,동시조정대속함수적삼수,용반향전파산법래수정망락적련접권중,변식모호모형적대속함수적삼수,완성종합부하적비궤리건모.통과대실측종합부하적유공화무공건모실례,증명료해방법구유흔고적의합정도화수렴속도,대부하건모구유중요적지도의의.