一种在配网终端中实现分布式超短期区域负荷预测的方法技术

一种在配网终端中实现分布式超短期区域负荷预测的方法，包括如下步骤：（ａ）构造配网终端神经网络程序的输入向量和输出向量；（ｂ）根据配网终端所在馈线段的不同区域负荷类型初始化神经网络；（ｃ）用历史负荷数据得到训练样本；（ｄ）用样本对神经网络进行训练；（ｅ）用训练后的神经网络程序得出超短期区域负荷曲线。本发明专利技术利用神经网络输入与输出之间的非线性映射关系，以及自适应自学习能力，通过区分配网终端所在馈线段的不同区域负荷类型，在配网终端中选取对应的神经网络结构和初始值，实现了分布式的负荷预测，提高了预测准确度。

【技术实现步骤摘要】

本专利技术涉及电力
，尤其是一种超短期区域负荷预测的方法。
技术介绍
电力行业标准DL/T 721-2000《配电网自动化系统远方终端》对配电网自动化系 统远方终端的定义为配电网自动化系统远方终端是用于配电网配电回路的各种配电远方 终端、配电变压器远方终端以及中压监控单元(配电自动化及管理系统子站)等设备的统 称。采用通信通道完成数据采集和远方控制等功能。神经网络的基本单元是神经元模型。神经元模型是模拟生物神经元的结构和功能 的数学化模型，一般是一个多输入单输出非线性的信息处理单元。神经网络的基本形式有前向网络、反馈网络、相互结合型网络和混合型网络。应用 较多的神经网络模型有Hopfield网络、BP网络、Blotaman网络、ART网络。Hopfield网络 是最典型的反馈网络模型，主要用于制约优化和联想记忆。BP网络是反向传播网络，它是一 种多层前向网络，可用于语言识别和自适应控制。Blotaman网络是典型的随机网络模型，主 要用于模式识别。ART网络是一种自组织网络模型，主要用于模式识别。神经网络的学习算法分为两大类有教师学习和无教师学习。有教师学习是指在 神经网络本文档来自技高网...

【技术保护点】
一种在配网终端中实现分布式超短期区域负荷预测的方法，其特征在于：包括以下步骤：（ａ）构造配网终端神经网络程序的输入向量和输出向量；（ｂ）根据配网终端所在馈线段的不同区域负荷类型初始化神经网络；（ｃ）利用配网终端记录的历史负荷数据得到神经网络的训练样本；（ｄ）利用训练样本对神经网络进行训练；（ｅ）在配网终端利用训练后的神经网络程序进行负荷预测。

【技术特征摘要】

【专利技术属性】
技术研发人员：崔丰曦，刘研，
申请(专利权)人：深圳市科陆电子科技股份有限公司，
类型：发明
国别省市：94[中国|深圳]