[发明专利]一种基于T-S模糊神经网络的配电网低电压预测方法

说明书

本发明公开了一种基于T‑S模糊神经网络的配电网低电压预测方法。该方法首先建立了T‑S模糊神经网络回归模型，并将配电网区域天气状况、时间段、区域温度、日期类型模糊化处理后、与历史出口电压一同作为模型的训练输入，并将相应的结果出口电压作为模型的训练输出。然后，将T‑S模糊神经网络算法用于模型训练。最后，将训练模型应用于未来出口电压的预测，通过对电压实时预测，设置低电压阈值，建立低电压预警机制。通过仿真和系统分析表明，所提出的低电压预测告警方法具有较高的准确性与可靠性，其在配电网低电压预测告警领域有实用价值。

技术领域

本发明涉及一种基于T-S模糊神经网络的配电网低电压预测方法，属于配电网低电压预测领域。

背景技术

随着配电网的扩展和负载的高速增长，在电网结构单一的地区，配网上最终到达用户的电压是小于理想值的。过低的电压可能会导致电力设备运行效率下降，同时也会使整体发电成本上升。随着国家一系列强农惠农政策、家电下乡政策的实施，农村家用电器的增长呈加速趋势,导致一些农村地区用电水平远超出农网改造的设计标准。

我国有些农村电网点多、线长、面广、山大沟深、交通不便、维护成本高昂，配电网低电压的现象更为严重，解决此问题刻不容缓。最近几年农民收入增加，农村家电也随之增多，这对于电网质量本来就不好的农村来说，在用电高峰时段其低压问题更为突出。因此，通过设备改造和技术手段提高农村的供电质量和电力可靠性，对指导农村电网的建设，解决农村的低电压问题尤其重要。

农村低压配电网的低电压预测告警能够有效预警配电网区域低电压，对降低农村低电压风险危害，提高农村供电可靠性有重要意义。以往策略中主要分析研究了农村低压配电网低电压的产生原因以及相关治理措施，很少考虑低电压的短期预测，不利于采取应对措施，实施防范未然举措的开展。

发明内容

本发明要解决的技术问题是实现配电网低电压预测，为解决所述技术问题，本发明提出一种基于T-S模糊神经网络的配电网低电压预测方法，具体包括如下步骤：

步骤1，首先需建立T-S模糊神经网络模型，对包括输入节点维数、输出节点维数、隐藏节点维数、系数学习率α、参数学习率β，算法迭代次数G_max，隶属函数中心c，宽度b的初始化；

所述的T-S模糊神经网络模型包括四层，输入层、模糊层、模糊规则计算层和输出层；

1)输入层连接到输入向量，节点数等于输入向量的维数；在输入层输入X＝[x₁,x₂,...,x_r]；

2)在模糊层中，通过隶属度函数式(3)计算模糊隶属度值μ；

输入变量x_j的隶属度为：

其中x_j为第j个输入变量，与为隶属函数的可调参数，为高斯函数的中心，为高斯函数的宽度；

步骤2，根据已有的样本训练数据库构建模型训练数据集，将历史电压数据、天气状况、时间段、区域温度、日期类型模糊化处理，作为模型的训练输入，并将相应历史当天电压作为模型的训练输出；

步骤3执行T-S模糊神经网络算法，用于模型训练，在训练过程中不断更新网络参数与形成基于T-S模糊神经网络的配电网低电压预测模型；

步骤4根据基于T-S模糊神经网络的配电网低电压预测模型当进行低电压实时预测时，依据历史电压数据、当天的天气状况、时间段、区域温度、日期类型指标作为输入，对配电网当天出口电压进行预测。所述的历史电压数据是指当天之前几天的电压数据，例如当天之前七天的电压数据。

步骤5设立低电压阈值，当预测的电压低于低电压阈值时发出低电压告警信号，实现对配电网低电压预测告警。