【技术实现步骤摘要】
一种基于Elman神经网络的电力系统稳定器实现方法
本专利技术涉及电力系统功率预测
,特别是涉及一种基于Elman神经网络的电力系统稳定器实现方法。
技术介绍
风电大规模接入电网,电网的安全问题越来越突出。随机性、间歇性和可控性差的风电场接入混联电网使得区域电网的潮流、稳定性发生变化引起的电力系统故障。电力系统出现故障时,对电网产生振荡,从而减弱了系统的稳定性。因此,引入风功率预测修正值的电力系统稳定是非常必要的。风电功率预测是有助于调度人员提前组织管理电力系统,提高供电质量,降低电网运行成本。基于风功率预测的电力系统稳定器的设计在风电的经济并网方面有着举足轻重的地位,幵发风功率预测的电力系统稳定器技术的研究对于我国实现大规模风电并网是必要并且迫切的。
技术实现思路
针对现有技术的不足和上述问题,本专利技术提供了一种基于Elman神经网络的电力系统稳定器实现方法,其特征在于,包括以下步骤:S1、获取上一年度同一季度的风功率历史数据和历史风速数据,同时对该年度的有效天数日期类型按照休息日和工作日两种类型进行分类;S2、根据获取的风功率历史数据,计算每个月份的风功率的同期平均数,从而获得月份总平均值,将每个同期平均数除以总平均值获得季节指数;S3、采用季节指数对风功率历史数据进行修正,将风功率历史数据与对应的季节指数做比值后,获得修正后的风功率历史数据;S4、确定Elman神经网络的输入、输出数据,和最优的隐含层神经元个数,建立Elman神经网络;S5、对修正后的风功率历史数据和对应的历史风速参数数据进行归一化处理,并根据归一化处理后的数据对Elman神经网 ...
【技术保护点】
1.一种基于Elman神经网络的电力系统稳定器实现方法,其特征在于,包括以下步骤:S1、获取上一年度同一季度的风功率历史数据和历史风速数据,同时对该年度的有效天数日期类型按照休息日和工作日两种类型进行分类;S2、根据获取的风功率历史数据,计算每个月份的风功率的同期平均数,从而获得月份总平均值,将每个同期平均数除以总平均值获得季节指数;S3、采用季节指数对风功率历史数据进行修正,将风功率历史数据与对应的季节指数做比值后,获得修正后的风功率历史数据;S4、确定Elman神经网络的输入、输出数据,和最优的隐含层神经元个数,建立Elman神经网络;S5、对修正后的风功率历史数据和对应的历史风速参数数据进行归一化处理,并根据归一化处理后的数据对Elman神经网络进行训练,将Elman神经网络的预测误差范围内;S6、获取预测日前一周的风功率历史数据、预测日的风速参数数据和日期类型作为神经网络的输入,采用训练后的Elman神经网络对预测日的风功率进行预测,进而获得的预测数据乘以季节指数后得到风功率预测数据。
【技术特征摘要】
1.一种基于Elman神经网络的电力系统稳定器实现方法,其特征在于,包括以下步骤:S1、获取上一年度同一季度的风功率历史数据和历史风速数据,同时对该年度的有效天数日期类型按照休息日和工作日两种类型进行分类;S2、根据获取的风功率历史数据,计算每个月份的风功率的同期平均数,从而获得月份总平均值,将每个同期平均数除以总平均值获得季节指数;S3、采用季节指数对风功率历史数据进行修正,将风功率历史数据与对应的季节指数做比值后,获得修正后的风功率历史数据;S4、确定Elman神经网络的输入、输出数据,和最优的隐含层神经元个数,建立Elman神经网络;S5、对修正后的风功率历史数据和对应的历史风速参数数据进行归一化处理,并根据归一化处理后的数据对Elman神经网络进行训练,将Elman神经网络的预测误差范围内;S6、获取预测日前一周的风功率历史数据、预测日的风速参数数据和日期类型作为神经网络的输入,采用训练后的Elman神经网络对预测日的风功率进行预测,进而获得的预测数据乘以季节指数后得到风功率预测数据。2.根据权利要求1所述的一种基于Elman神经网络的电力系统稳定器实现方法,其特征在于:所述S1~S7中所述的风功率历史数据包括每个小时的风功率数据。3.根据权利要求1所述的一种基于Elman神经网络的电力系统稳定器实现方法,其特征在于:所述步骤S4还包括以下步骤:S401、获取风功率历史数据、历史风速数据和日期类型,将任一日的风功率数据作为Elman神经网络的输出数据,将预测日前一周内的每个小时的风功率数据以及该日的风速数据和日期类型作为Elman神经网络的输入数据;S402、对Elman神经网络进行初始化,建立起基于的Elman神经网络。4.根据权利要求1所述的一种基于Elman神经网络的电力系统稳定器实现方法,其特征在于:所述步骤S5中所述的误差范围为1%~5%。5.根据权利要求1所述的一种基于Elman神经网络的电力系统稳定器实现方法,其特征在于:所述步骤S5还包括以下步骤:S501、根据下式对修正后的...
【专利技术属性】
技术研发人员:周强,陈万龙,何世恩,郝晓弘,汪宁渤,丁坤,康坚,赵龙,韩旭杉,马彦宏,周识远,张彦琪,张金平,陈钊,王明松,马明,王定美,吕清泉,张艳丽,李津,张健美,黄蓉,张珍珍,高鹏飞,沈琛云,张睿骁,沈荟云,
申请(专利权)人:国网甘肃省电力公司电力科学研究院,国网甘肃省电力公司,兰州理工大学,
类型:发明
国别省市:甘肃,62
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。