The invention discloses a short-term load forecasting model for microgrid based on HSA_RRNN. The model is composed of a ridgelet recurrent neural network forecasting model, including input layer, hidden layer, correlation layer and output layer. Each neuron node in the hidden layer is connected one by one with the correlation layer node, and the correlation layer node is connected with the hidden layer node. The weights between nodes with layers can be dynamically adjusted, and the improved harmony search optimization algorithm is used to optimize the parameters of the ridgelet recurrent neural network prediction model, which has the advantages of fast convergence speed, strong optimization ability, and good generalization and convergence. Through the simulation and test of actual microgrid load forecasting, it is proved that the forecasting model can effectively improve the forecasting accuracy.
【技术实现步骤摘要】
基于HSA-RRNN的微电网短期负荷预测模型
本专利技术涉及一种基于HSA-RRNN的微电网短期负荷预测模型。
技术介绍
智慧城市是信息技术的深度拓展和集成应用,是全球战略新兴产业发展的重要组成部分,其先进的技术条件为微电网群的发展提供了平台,同时微电网群的发展将对智慧城市提供有力的能源支撑。智慧城市微电网群“源-网-荷-储”协同优化调度技术研究具有重要的实际意义。微电网负荷预测是微电网群“源-网-荷-储”协同优化调度技术研究的基础,精确的微电网负荷预测将为协同优化调度提供必要的依据。微电网由微源、负荷、储能装置和电力电子控制保护设备等组成,其预测精度的高低直接影响到系统的安全性和经济性。脊波神经网络(ridegeletneuralnetwork,RNN)是通过模拟人体大脑的视觉皮层而产生的,其隐含层神经元能够接收特定方向上的数据信息,并通过分析处理,使网络输出期望数据。与其他传统的神经网络模型相比,RNN模型采用脊波函数作为网络模型隐含层中神经元的激励函数,更具方向选择性,能够使网络包含更多的维数信息,从而很好地处理更高维度的数据信息,对非线性高维函数的逼近有比较好的效果。1998年,脊波函数首次在Candes的博士论文中被提出,其定义可详细描述为:假设平滑函数ψ:Rd→R所对应的Fourier变换符合下面的容许条件:称ψ为容许函数,其中,ω为自变量,d为空间维数。则满足上述条件的容许函数ψ所产生的脊函数ψγ称为脊波函数,其表达式为:式(2)中γ为参数空间,即:γ=(a,u,b);a,b∈R;a>0;u∈Sd-1(9)其中,脊波函数的尺度向量由a表示,脊 ...
【技术保护点】
1.基于HSA‑RRNN的微电网短期负荷预测模型,其特征在于,该模型由脊波递归神经网络预测模型构成,包括输入层、隐含层、关联层和输出层,隐含层中每一个神经元节点都与关联层节点一一对应相连接,并且关联层节点与隐含层节点之间的权值可进行动态调节;且利用改进的和声搜索优化算法对脊波递归神经网络预测模型中的参数进行优化,优化公式为:
【技术特征摘要】
1.基于HSA-RRNN的微电网短期负荷预测模型,其特征在于,该模型由脊波递归神经网络预测模型构成,包括输入层、隐含层、关联层和输出层,隐含层中每一个神经元节点都与关联层节点一一对应相连接,并且关联层节点与隐含层节点之间的权值可进行动态调节;且利用改进的和声搜索优化算法对脊波递归神经网络预测模型中的参数进行优化,优化公式为:式中,PAR为扰动概率,BW为扰动带宽,n为当前迭代次数,N为最大迭代次数,r∈(0,1),Z为任意数。2.根据权利要求1所述的基于HSA-RRNN的微电网短期负荷预测模型,其特征在于,所述脊波递归神经网络预测模型其数学表达式如下:式中,xi(i=1,2,…,m)表示网络的输入;表示隐含层神经元节点h的内部状态,其输入来源于输入层和关联层节点的输出状态;表示隐含层中神经元节点h的输出状态;表示模型网络的输出值;表示关联层中节点c的内部状态;表示关联层中节点c的输出状态;脊波函数所采用的容许函数为:其中,z表示为容许函数的自变量。3.根据权利要求2所述的基于HSA-RRNN的微电网短期负荷预测模型,其特征在于,所述关联层节点可将与之对...
【专利技术属性】
技术研发人员:撖奥洋,于立涛,张滨,周生奇,王萍,钟世民,王黎,管春伟,张智晟,
申请(专利权)人:国网山东省电力公司青岛供电公司,青岛大学,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。