基于演化聚类算法的电力系统暂态负荷同步预测

摘要

基于提高电力系统暂态负荷同步预测精度的目的,采用演化聚类算法对电力系统暂态负荷同步预测方法进行研究.采用BP神经网络,将补充数据的时间作为BP网络的输入变量引入训练好的BP网络中,以修正电力系统中的历史数据.根据修正结果引入演化聚类算法,计算电力系统在每一时刻的负荷数据.依据负荷数据,计算电压相量距离,获得电网中薄弱断面信息与输电断面关键故障集中的故障数据,确定电网中输电断面的暂态负荷信息,完成电力系统暂态负荷同步预测.通过对比实验,提出的预测方法在对电力系统电机端电压和功率变化预测上,具有较高的精准度,电压预测误差最大为0.025 V.