-
题名基于大数据技术的多变量短期电力需求预测研究
被引量：13
- 1
-
-
作者
袁小凯
李果
黄世平
-
机构
南方电网科学研究院
-
出处
《电网与清洁能源》
2020年第12期30-34,40,共6页
-
基金
广东经研院咨询科技项目(SGNXJY30GHKL1902560)。
-
文摘
针对传统多变量短期电力需求预测方法没有归一化处理电力数据,导致预测性能较差、精度较低,提出基于大数据技术的多变量短期电力需求预测方法。在电网大数据框架中,连接MONGOOSE数据库引擎与短期电子服务器,完成大数据技术支持下的短期电力环境搭建。基于大数据技术,通过确定神经预测网络层数的方式,实现电力需求数据的归一化处理,根据多变量短期预测误差的计算结果,实现基于大数据技术多变量短期电力需求预测方法的应用。实验结果表明,研究方法的电力需求预测有效性更好,预测精度更高。
-
关键词
大数据技术
多变量需求
短期电力预测
数据库引擎
电子服务器
预测神经网络
电力需求数据
预测误差
-
Keywords
big data technology
multivariate demand
short-term power forecast
database engine
electronic server
predictive neural network
electricity demand data
prediction error
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于神经网络模型的智能电网线损估计方法
被引量：9
- 2
-
-
作者
李果
袁小凯
黄世平
-
机构
中国南方电网有限公司科学研究院
-
出处
《沈阳工业大学学报》
CAS
北大核心
2022年第2期133-138,共6页
-
基金
国家自然科学基金青年科学基金项目(61101249)
中国南方电网数字化转型项目(SEPRI-H182022).
-
文摘
为了准确、有效、实时估计智能电网中配电网线损,提出了一种基于神经网络模型的智能电网线损估计方法.在BP神经网络算法的基础上采用LM算法对神经网络权重和阈值进行连续优化从而实现网络自适应调节,进而搭建神经网络模型.将模型应用于IEEE33节点系统进行实验,实时估计每条线路的功率损耗并将估计线损值与实际测得的线损值进行比较并提出相应的评估指标对方法有效性进行评估.结果表明,与传统的潮流法相比,所提出的方法具有更优的运算速度和准确度.
-
关键词
神经网络模型
BP神经网络算法
LM算法
线路损耗
实时估计
智能电网
IEEE33节点系统
配电网
潮流法
-
Keywords
neural network model
BP neural network algorithm
LM algorithm
line loss
real-time estimation
smart grid
IEEE33 node system
distribution network
power flow method
-
分类号
TM727
[电气工程—电力系统及自动化]
-
