智能控制应用实例

智能控制的应用

电力系统的作用是尽可能经济地为各类用户提供可靠且合乎标准要求的电能，最基本也是最重要的是要满足负荷要求。为了向用户提供安全、可靠和优质的电能，电力部门需要保持电力系统的安全性和可靠性，在目前的技术条件下还无法实现电能的大规模贮存，这样就要求系统发电出力随时紧跟系统的负荷，否则就会影响供、用电质量，并可危及系统的安全与稳定。

所谓负荷预测是指，在充分考虑一些重要的系统运行特性、增容决策与自然条件的情况下，利用一套系统的方法来处理过去与未来负荷，在一定精度条件上，确定未来某特定时刻的负荷值。电力系统对未来预计要发生的负荷进行预报的必要性在于：在正常运行条件下，系统内的可用发电容量应当在任何时候都能满足系统内负荷要求。如果系统内发电容量不够，则应当采取必要的措施来增加发电容量，例如可新增发电机组或从邻网输入必要的容量；反之，若发电容量过剩，则也应当采取必要的措施，如有选择地停机（计划检修）或者向邻网输出多余的功率。因此，未来本电网内负荷变化的趋势与特点，是一个电网调度部门和规划设计部门所必须具有的基本信息之一。

关于短期电力负荷预测的研究主要集中在三个方面：负荷预测的影响因素、负荷预测的数学模型以及负荷预测的算法。相对前两个方面，在算法方面的研究最广泛，已经涌现出了各种不同算法，而这些算法在模型的复杂性、灵活性、对数据的要求以及满足用户的特殊要求等方面都有着很大的不同。用于短期负荷预测方法很多，常用的方法主要有时间序列预测法、回归分析法、最小二乘法、指数平滑法等。近年来，预测理论技术取得了长足的进步，负荷预测的新技术层出不穷，综合起来主要有：灰色预测法、专家系统预测技术、小波分析预测技术、模糊预测技术、混沌理论预测技术、神经网络预测技术、组合优化算法等。

本问题就是根据电力系统短期负荷的周期性特点和受天气因素影响较大的特性，对不同日期类型的负荷分别建模利用神经网络进行预测。

1、为了更好的对符合进行预测，必须首先做好下列工作：

（1）负荷预测技术的总结与研究。主要包括负荷预测的分类、特点及特性的分析；负荷预测的基本模型概述。

（2）在神经网络预测模型的建立中，分析了短期负荷预测模型中应当注意的问题，提出负荷数据预处理的方法，对温度、降雨、光照等进行了独特的分段数值化处理，简化了网络的训练和预测过程。

（3）针对 BP 网络的缺陷，采用 SCG 算法该进 BP 网络建立模型，提高了收敛速度

及精度并且避免陷入局部最小点，最后对邯郸某地区电力系统短期负荷预测进行了仿真，仿真结果表明该方法加快了网络学习速度，并提高了负荷预测精度。

2、改进BP算法用于电力系统短期负荷预测

利用人工神经网络进行短期负荷预测主要考虑三方面的内容，一是神经网络本身网络结构的合理选择和网络初始权值的优化选取；二是所要研究的短期负荷特性，负荷预测就是根据历史的负荷数据推导未来负荷的过程，因此，对预测对象的特性的深入了解是准确预测的前提；三是结合所要研究的具体问题的特性，提出相应的合理的预测模型。

(1)根据前人经验，本文采用如下公式进行设计:

传输函数在本文中，传输函数采用 S型函数，即：

采用这种处理方法可以将训练样本中的输入量映射到(-1, 1)之间，使神经网络的输入变量在训练中处在尽可能大的域值范围，尽量准确地反映神经网络的输入输出关系。

(2)程序流程图

本论文仿真基于Matlab 神经网络工具箱，预测模型程序实现流程图如下:

开始

输入已知训练数据

数据修正，处理异常数据，进

行归一化

建立网络，初始化神经网络

采用SCG算法训练网络的权值与阀值

基于误差反传网络完成负荷预测

输入负荷预测结

果

结束

(3)采用SCG改进BP算法，根据数据训练误差性能曲线:

结果分析：

当采用SCG改进BP算法时，仅仅训练 277 次就达到要求精度，训练时间大大缩短。预测负荷的相对误差最大为3.04%，平均误差仅为 0.81%，预测精度良好，显然满足电力系统短期负荷预测的要求。