大数据分析技术的非线性谐波负荷预测

发布时间：2021-08-12 11:30

　　为了获得理想的非线性谐波负荷预测结果,设计基于大数据分析技术的非线性谐波负荷预测方法。首先分析当前非线性谐波负荷预测的研究进展,找到引起当前非线性谐波负荷预测效果差的原因;然后采集非线性谐波负荷历史数据,引入大数据分析技术对非线性谐波负荷历史数据进行建模和学习,并对非线性谐波负荷预测模型的参数进行优化,从而建立最优的非线性谐波负荷预测模型;最后在Matlab 2017平台上对非线性谐波负荷预测模型的性能进行了验证性测试,结果表明,该文方法的非线性谐波负荷预测精度超过95%,非线性谐波负荷预测的偏差明显小于当前其他非线性谐波负荷预测方法,同时加快了非线性谐波负荷预测的建模效率,获得更优的非线性谐波负荷预测结果。 

【文章来源】：现代电子技术. 2020,43(18)北大核心

【文章页数】：4 页

【部分图文】：

大数据分析技术的非线性谐波负荷预测

采用本文方法和BP神经网络对聚类分析方法产生的非线性谐波负荷训练样本进行学习，对测试样本进行预测，统计每一类非线性谐波负荷的预测精度，结果如图2所示。对图2的非线性谐波负荷预测精度进行对比与分析可以发现，对于5类非线性谐波负荷的历史数据，本文方法的精度均要高于BP神经网络。这表明本文方法可以更好地描述非线性谐波负荷变化特点，能够对其变化趋势进行高精度的跟踪，减少了非线性谐波负荷预测的偏差。

【参考文献】：
期刊论文
[1]基于谐波耦合主导分量模型的居民负荷集合性谐波评估[J]. 孙媛媛,张凌菡,谢香敏,冯照飞,王姗姗.  中国电机工程学报. 2019(16)
[2]孤岛运行微网中分布式谐波功率分配控制策略[J]. 金胜赫,孙秋野,周建国,张化光.  控制工程. 2018(02)
[3]基于离散傅里叶级数的非同步采样下谐波功率测量算法[J]. 肖勇,赵伟,黄松岭.  电工技术学报. 2018(07)
[4]居民配电网负荷谐波电流发射水平评估方法[J]. 汤波,林顺富,陈光,乐恩典,李扬.  电工技术学报. 2018(03)
[5]单相分布式发电接入台区电网的谐波补偿控制[J]. 翁利国,朱铁铭,寿挺,邱海锋,李钰双,周念成.  电力系统保护与控制. 2017(19)
[6]三相不控整流负荷的谐波功率实测建模[J]. 周念成,魏能峤,王佳佳,翁利国,苏宇,王强钢.  中国电机工程学报. 2017(19)
[7]非线性负荷谐波贡献畸变功率评估指标与方法[J]. 王莉虹,肖先勇,张逸,汪颖,陈飞宇.  电力系统保护与控制. 2017(09)
[8]基于谐波源注入的SAPF补偿容量确定方法[J]. 刘欣,李尚盛,吴楠,孙建军.  电力系统保护与控制. 2017(02)
[9]高速铁路牵引负荷谐波分布的非参数估计模型与预测评估[J]. 陈民武,刘洋,韩旭东,周应东,张丽艳.  电网技术. 2017(08)
[10]基于实测数据的谐波负荷模型控制策略[J]. 尹志勇,陈永光,刘正春,刘洪文,解璞.  电网技术. 2016(10)



本文编号：3338243