【技术实现步骤摘要】
本专利技术涉及电网运行配电，具体为一种电力系统负荷预测的分布式无功优化方法。
技术介绍
1、电力系统负荷预测技术是一项从很早以前就开始兴起的研究。一般来讲研究员会将负荷预测分为短期、中期、长期预测三类。而神经网络预测技术常常被用于进行长期的负荷预测中。
2、神经网络，又被称为人工神经网络，用以区别于生物神经网络，是一系列模型的统称。一般认为，人工神经网络是受生物神经网络的启发产生，生物神经网络一般指生物的大脑神经元细胞组成的网络，层状分布，能够接受脉冲信号，用于产生生物的意识，帮助生物进行思考和行动，神经网络是生物网络的一种结构近似模拟，能够通过对负荷某种函数的数据进行训练，从而对该未知函数进行近似。神经网络具有并行分布处理、高度鲁棒性和容错能力、分布存储及学习能力、能够逼近复杂的非线性函数这四种特性。
3、然而目前为了满足日益增长的能量需要，可再生能源以分布式电源的形式并网受到了越来越多的关注。由于逆变器响应速度快，灵活性高，因此在分布式能源并网中得到了广泛的应用。这些逆变器将各种可再生能源转换成符合要求的交流...
【技术保护点】
1.一种电力系统负荷预测的分布式无功优化方法，其特征在于，包括以下方法步骤：
2.根据权利要求1所述的一种电力系统负荷预测的分布式无功优化方法，其特征在于：所述历史负荷数据包括在环境维度和电力维度上的若干维度数据、环境信息中包含的若干环境数据以及电力信息中包含的若干电力数据。
3.根据权利要求1所述的一种电力系统负荷预测的分布式无功优化方法，其特征在于：对获取的历史负荷数据进行归一化处理的方式是采用sigmoid函数作为激活函数。
4.根据权利要求1所述的一种电力系统负荷预测的分布式无功优化方法，其特征在于：针对步骤一中的目标负荷点...
【技术特征摘要】
1.一种电力系统负荷预测的分布式无功优化方法，其特征在于，包括以下方法步骤：
2.根据权利要求1所述的一种电力系统负荷预测的分布式无功优化方法，其特征在于：所述历史负荷数据包括在环境维度和电力维度上的若干维度数据、环境信息中包含的若干环境数据以及电力信息中包含的若干电力数据。
3.根据权利要求1所述的一种电力系统负荷预测的分布式无功优化方法，其特征在于：对获取的历史负荷数据进行归一化处理的方式是采用sigmoid函数作为激活函数。
4.根据权利要求1所述的一种电力系统负荷预测的分布式无功优化方法，其特征在于：针对步骤一中的目标负荷点数据进行预处理的方式为采用小波变换对目标负荷点数据进行分解重构处理，获得不同频率负荷的小波重构数据，包括有低频段和高频段若干分量数据。
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。