[发明专利]地铁供电负荷预测系统的回声状态神经网络负荷预测模型

说明书

技术领域

本发明涉及地铁供电系统短期负荷预测领域，尤其涉及一种基于回声状态神经网络负荷预测模型的地铁供电系统短期负荷预测系统。

背景技术

城市地铁交通是城市现代化标志，是现代化城市中理想的、能满足市民出行需求的一种公共交通工具。它在给我们带来快捷、方便的同时，也会给电网带来负面影响，地铁作为大功率非线性负荷，其运行的特点及投运后对地区电网的影响应是电力部门重点关注的问题。对预估较为严重的问题，应采取适当的防范措施，使其负面影响控制在允许范围内。地铁供电系统负荷具有随机性、波动性及不稳定性的特点，这些特点导致地铁供电系统负荷对电网产生冲击，干扰电网的安全、稳定及经济运行。通过对地铁供电系统负荷进行预测能够有效降低对电网产生的不利影响，以保证电力系统能够安全稳定地运行。

回声状态神经网络由输入层、储备池、输出层构成，储备池为动态网络，由大量随机稀疏连接的神经元构成。储备池的应用克服了传统神经网络收敛速度慢和易陷入局部极小的问题。回声状态神经网络已应用于光伏发电功率预测等多个研究领域。然而地铁供电系统负荷预测研究是当前的一个研究空白，尤其是采用回声状态神经网络对地铁供电系统负荷进行预测处于研究真空。

发明内容

为了填补现有技术的空白，本发明提出了一种地铁供电系统短期负荷预测系统，包括负荷统计模块，负荷数据调用模块，负荷数据预测模块，预测误差统计模块，图形输出模块以及数据输出模块；其中负荷统计模块用于统计历史负荷数据，负荷数据调用模块调用负荷统计模块中的历史负荷数据并发送给负荷数据预测模块，负荷数据预测模块根据历史负荷数据对未来的负荷进行预测并输出预测数据，预测误差统计模块对输出的预测数据进行校准后，通过图形输出模块以及数据输出模块输出修正后的预测的数据；其中所述负荷数据预测模块是采用基于回声状态神经网络的地铁供电系统短期负荷预测模型而构建的。

进一步的，所述基于回声状态神经网络的地铁供电系统短期负荷预测模型采用下述算法获得：构建回声状态神经网络，包括输入层、储备池、输出层；网络模型中输入层有k个输入节点，储备池有n个内部节点，输出层有l个输出节点；

在t时刻时，网络的输入向量为u(t)＝[u₁(t),u₂(t),···,u_k(t)]^T，内部状态向量为x(t)＝[x₁(t),x₂(t),···,x_n(t)]^T，输出向量为y(t)＝[y₁(t),y₂(t),···,y_l(t)]^T，则ESN预测模型的状态方程和输出方程分别为：

x(t+1)＝f(wⁱⁿu(t+1)+wx(t)+w^backy(t)) (1)

y(t+1)＝f^out(w^out(u(t+1),x(t+1),y(t+1))) (2)

式中，wⁱⁿ表示输入层到储备池的输入连接权值矩阵，w表示储备池内部连接权值矩阵，w^back表示输出层到储备池的反馈连接权值矩阵，w^out表示储备池到输出层的输出连接权值矩阵，f表示储备池单元的激励函数，取双曲正切函数；f^out表示输出单元的激励函数，取恒等函数；

其中输出连接权值矩阵w^out通过给定的训练样本(u(t),y(t),(t＝1,2,···,q))来确定，其训练过程可分为两个阶段：

(1)采样阶段

首先对网络的初始状态进行赋值，通常情况下网络的初始状态为0，即x(t)＝0。然后将训练样本(u(t),t＝1,2,···,q)通过wⁱⁿ输入到动态储备池中，按照式(1)和式(2)依次完成网络状态向量x(t)和输出向量y(t)的计算；