題-1_100_100.jpg)
基本信息
- 項目名稱：
- 基于dART&HS-ARTMAP神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測新方法
- 小類：
- 能源化工
- 簡介：
- 電力系統(tǒng)安全預(yù)警管理，特別是安全預(yù)警中負(fù)荷預(yù)測的研究是公認(rèn)的世界性難題。長期以來，負(fù)荷分析和預(yù)測的研究一直滯后于電力工業(yè)的發(fā)展。本作品的研究旨在獲得較為精確的電力負(fù)荷預(yù)測,并提出新的神經(jīng)網(wǎng)絡(luò)——dART&HS-ARTMAP。通過對澳大利亞新蘭威爾士州和維多利亞州的負(fù)荷模擬，結(jié)果顯示該算法取得了較好的預(yù)測結(jié)果。本作品的研究成果已發(fā)表在國際學(xué)術(shù)期刊Energy（SCI二區(qū)，影響因子：2.952）上。
- 詳細(xì)介紹：
- 1、國內(nèi)外電網(wǎng)崩潰事件及電網(wǎng)安全預(yù)警管理研究的現(xiàn)狀 美國東部夏令時間(EDT)2003年8月14日16:11, 美國、加拿大發(fā)生北美歷史上規(guī)模最大的停電事故,停電區(qū)域涉及美國俄亥俄州、密歇根州、紐約州等8個州以及加拿大魁北克省、安大略省2個省。據(jù)北美電力可靠性協(xié)會(NERC)統(tǒng)計,此次停電事故累計損失負(fù)荷61800MW。超過5000多萬人的生活受到影響。據(jù)美國經(jīng)濟(jì)專家預(yù)測,此次美國歷史上規(guī)模最大的停電事故所造成的經(jīng)濟(jì)損失高達(dá)300億美元。 自上世紀(jì)60年代以來, 世界各國均發(fā)生過因電力系統(tǒng)穩(wěn)定破壞而導(dǎo)致的大面積停電事故。1996年7-8月美國西部接連2次大停電事故, 美國總統(tǒng)認(rèn)為停電事故已“直接危及國家安全”。2003年下半年在北美和加拿大、英國倫敦、瑞典——丹麥、意大利都先后發(fā)生過大面積停電事故, 后果震驚世界。 2005年5月25日莫斯科當(dāng)?shù)貢r間上午10：00，莫斯科及周邊4個地區(qū)發(fā)生大規(guī)模停電事故，影響地區(qū)的人口數(shù)量約為150～200 萬，到26日下午6：30，所有停電用戶的電力供應(yīng)完全恢復(fù)。誘因是俄羅斯提前到來的夏季高溫（最高可達(dá)38.4℃），導(dǎo)致空調(diào)負(fù)荷的快速增長，加重系統(tǒng)負(fù)擔(dān)，惡化了系統(tǒng)運行條件。 2006年11月4日22 :10 分(德國時間),歐洲多國發(fā)生大面積停電事故,包括法國和德國人口最密集的地區(qū)以及比利時、意大利、西班牙、奧地利的部分地區(qū),法國首都巴黎和德國工業(yè)重鎮(zhèn)科隆、著名的魯爾工業(yè)區(qū)都未能幸免。約1000 萬人受到影響,損失負(fù)荷14.5 GW。 事故發(fā)生前,系統(tǒng)的潮流發(fā)生了不可預(yù)測的變化,E. ON 電網(wǎng)內(nèi)的實際負(fù)荷急劇增加并與負(fù)荷預(yù)測有很大的偏差，加之網(wǎng)內(nèi)旋轉(zhuǎn)備用機組不足導(dǎo)致電網(wǎng)崩潰。 2009-11-10T22:13， 巴西全國范圍內(nèi)發(fā)生大面積停電， 損失負(fù)荷24.436GW， 約占巴西全部負(fù)荷的40%，受影響人口約5000 萬，約占巴西總?cè)丝诘?6%，是近年來世界上影響較大的大停電事故之一。 近年來, 中國各大電網(wǎng)發(fā)生的大停電事故有100余起。在西電東送, 南北互聯(lián)的條件下, 我國將形成全國聯(lián)網(wǎng)的巨型電力系統(tǒng), 如果出現(xiàn)電力系統(tǒng)重大事故, 其規(guī)模和造成的損失有可能大幅度增加。因此, 保證大規(guī)?；ヂ?lián)電力系統(tǒng)的安全、穩(wěn)定和經(jīng)濟(jì)運行是一個重大而迫切的問題, 必須作為一個重大戰(zhàn)略問題來解決。大停電的風(fēng)險時刻存在，當(dāng)前，這種風(fēng)險發(fā)生的概率在中國正在加速上升。 由不同容量發(fā)電機、不同電壓等級和長度的輸配電線路以及不同容量和特性負(fù)荷組成的電力系統(tǒng)是一個典型的復(fù)雜大系統(tǒng), 呈現(xiàn)高維、非線性、時變、信息的不完全性、廣域大范圍跨越時空互聯(lián)性的復(fù)雜特性。這個大系統(tǒng)的時空運行管理歷來就是一個非常困難的問題。目前急需補充和完善現(xiàn)有的理論和方法體系，并建立有效的安全預(yù)警機制來保證電力系統(tǒng)安全穩(wěn)定的運行。 2、電網(wǎng)安全預(yù)警管理中需要解決的關(guān)鍵問題 在美加大停電的分析中，美國專家提出加強電網(wǎng)安全預(yù)警管理和預(yù)測方法開發(fā)的建議，并且認(rèn)為，負(fù)荷預(yù)測模型的不準(zhǔn)確及預(yù)測工具、手段缺乏是造成停電事故的主要原因，因為未能事先提示此次事故發(fā)生的可能性。1996年美國發(fā)生2次大停電事故后，在仿真計算時發(fā)現(xiàn)使用原有負(fù)荷預(yù)測模型無法重現(xiàn)事故的過程，使得對負(fù)荷預(yù)測模型問題的研究受到了進(jìn)一步的重視和推動。 （1） 負(fù)荷預(yù)測模型的分類和建模方法 根據(jù)所研究問題的不同性質(zhì)和目的可按各種方式(如線性和非線性、頻率相關(guān)和頻率無關(guān)、機理型和非機理型等)對負(fù)荷預(yù)測模型進(jìn)行分類。電力系統(tǒng)調(diào)度管理部門主要關(guān)心所選取的負(fù)荷預(yù)測模型是否能反映實際電力系統(tǒng)的動態(tài)過程，為此可將負(fù)荷預(yù)測模型分為靜態(tài)預(yù)測模型和動態(tài)預(yù)測模型兩種。 美國電力安全管理工作組在推薦標(biāo)準(zhǔn)負(fù)荷預(yù)測模型的報告中指出，靜態(tài)預(yù)測模型適用于潮流分析，在計算結(jié)果對負(fù)荷預(yù)測模型不敏感的地區(qū)還可用于動態(tài)分析。在計算結(jié)果對負(fù)荷預(yù)測模型敏感的地區(qū)，建議在進(jìn)行動態(tài)分析時使用包括感應(yīng)電動機的動態(tài)預(yù)測模型。即如果采用靜態(tài)和動態(tài)預(yù)測模型得出的結(jié)論基本相同則使用靜態(tài)預(yù)測模型，否則應(yīng)使用動態(tài)預(yù)測模型，對于一些大型事故的復(fù)算和研究證明了該方法在一定的條件下是可行的。因此電力安全管理工作組認(rèn)為開發(fā)和使用動態(tài)負(fù)荷預(yù)測模型是迫切需要的。 （2） 用于電力系統(tǒng)動態(tài)穩(wěn)定性研究的負(fù)荷預(yù)測建模 英國工程物理咨詢委員會(EPSRC Grant)GR/M38179/01項目組于2002年發(fā)表的關(guān)于電力系統(tǒng)穩(wěn)定研究負(fù)荷建模的結(jié)論性報告，該項目的研究目的是為了在電力系統(tǒng)高壓母線上進(jìn)行測量以獲取綜合負(fù)荷特性，并為每種典型負(fù)荷提供低階負(fù)荷預(yù)測模型。該文獻(xiàn)的主要內(nèi)容和觀點包括： （I）在建立動態(tài)負(fù)荷預(yù)測模型時會遇到無法采集到系統(tǒng)中所有負(fù)荷詳細(xì)數(shù)據(jù)的問題，因此只能采用統(tǒng)計分析法有選擇地對一定數(shù)量的動態(tài)負(fù)荷進(jìn)行采樣，確定一些重要參數(shù)的統(tǒng)計值，最后根據(jù)動態(tài)負(fù)荷的綜合表現(xiàn)進(jìn)行建模預(yù)測。 （II）研究負(fù)荷預(yù)測建模的另一種主要方法是以測量為基礎(chǔ)的實測辨識法，具體包括頻域方法和時域方法，在電力系統(tǒng)的研究中大多使用后者。 （3）電壓穩(wěn)定性分析中的負(fù)荷預(yù)測模型 電壓穩(wěn)定性分析不能簡單地使用靜態(tài)負(fù)荷預(yù)測模型。瑞典國家電力公司曾用靜態(tài)負(fù)荷預(yù)測模型重現(xiàn)一些停電事故，但不能解釋電壓崩潰現(xiàn)象，由此可知低壓負(fù)荷特性不遵從穩(wěn)定性研究中所采用的傳統(tǒng)的負(fù)荷特性。加拿大安大略省水力部對渥太華地區(qū)所做的電壓穩(wěn)定性研究表明進(jìn)行精確的動態(tài)負(fù)荷預(yù)測非常重要。在研究斷開一條輸電線的影響時發(fā)現(xiàn)，采用靜態(tài)預(yù)測模型和動態(tài)預(yù)測模型所獲得的結(jié)果之間存在著本質(zhì)性差別，前者得到的是完全錯誤的結(jié)論。 上述討論表明目前還沒有一個通用的規(guī)則來指導(dǎo)采用合理的負(fù)荷預(yù)測模型，美國電力安全管理工作組建議應(yīng)著重研究負(fù)荷特性并充分利用包括動態(tài)預(yù)測模型在內(nèi)的現(xiàn)有預(yù)測模型以改進(jìn)所建模型的真實性。 目前國際上一般所采用的負(fù)荷預(yù)測模型結(jié)構(gòu)是一個組合式的負(fù)荷模型(動態(tài)部分+靜態(tài)部分)。同樣的，該方法也存在著很多不足: ①模型的通用性問題，即由某負(fù)荷點數(shù)據(jù)建立的負(fù)荷預(yù)測模型表現(xiàn)出專有性，難以靈活地推廣至其它負(fù)荷點。這個問題也是負(fù)荷預(yù)模型研究走向?qū)嵱没年P(guān)鍵。②模型對負(fù)荷時變性和變結(jié)構(gòu)性的適應(yīng)問題，基于實測數(shù)據(jù)所建模型可以較好地描述當(dāng)時的負(fù)荷行為，但難以描述隨時間、季節(jié)、氣候變化后的負(fù)荷行為。也就是說，基于實測數(shù)據(jù)所建模型僅能準(zhǔn)確描述實測數(shù)據(jù)所采集那一刻的負(fù)荷行為。而不能適應(yīng)其它。 當(dāng)我國進(jìn)入大區(qū)電網(wǎng)互聯(lián)階段時，負(fù)荷預(yù)測模型對系統(tǒng)穩(wěn)定計算結(jié)果的影響問題變得非常突出。在東北----華北交流互聯(lián)系統(tǒng)的安全穩(wěn)定分析中，第一次發(fā)現(xiàn)采用不同負(fù)荷預(yù)測模型進(jìn)行仿真計算時，東北網(wǎng)內(nèi)部一重要斷面穩(wěn)定極限計算結(jié)果相差很大。 由于無法判斷哪種負(fù)荷預(yù)測模型更能反映出東北電網(wǎng)負(fù)荷的實際特性，因此對計算結(jié)果的準(zhǔn)確與否缺乏判斷，最終給系統(tǒng)安全預(yù)警及控制管理措施的選擇造成了困難。隨著全國聯(lián)網(wǎng)工作的不斷深入，建立能真實反映特定電網(wǎng)負(fù)荷特性的預(yù)測模型已成為當(dāng)前迫切需要解決的問題。 綜上所述，電力系統(tǒng)安全預(yù)警管理的好壞取決于所采用預(yù)測模型的準(zhǔn)確性，通過電力工作者的不懈努力，發(fā)電機組和輸電線路的調(diào)度管理已經(jīng)相對成熟。與此相反，電力安全預(yù)警管理中所采用的負(fù)荷預(yù)測模型卻相當(dāng)簡單，往往只能從基本概念出發(fā)采用理想化模型。這種粗糙的負(fù)荷預(yù)測模型與精確的電力調(diào)度很不協(xié)調(diào)并成為提高整個電力系統(tǒng)可靠性的瓶頸。上世紀(jì)七十年代以來的大量研究使負(fù)荷建模預(yù)測取得了一定的進(jìn)展，但離問題的解決仍有一定的距離。目前電力系統(tǒng)安全預(yù)警管理中的負(fù)荷建模預(yù)測與分析仍然是電力界公認(rèn)的世界性難題。 3、電網(wǎng)安全預(yù)警管理中的負(fù)荷預(yù)測問題的研究 近年來我們一直致力于電網(wǎng)安全預(yù)警管理的研究。但是負(fù)荷的預(yù)測研究，尤其是特殊情況下的沖擊負(fù)荷預(yù)測研究比較困難，在國內(nèi)外幾乎很少開展。2003年8月14日美國發(fā)生了有史以來最大規(guī)模的電網(wǎng)崩潰事件以后，人們才對特殊情況下沖擊負(fù)荷產(chǎn)生的危害性有了深刻的認(rèn)識，并隨著電力系統(tǒng)自動化程度的不斷提高，負(fù)荷采集、傳輸與監(jiān)測系統(tǒng)的不斷完善，為電網(wǎng)安全預(yù)警管理提供了可靠、快捷的信息。從而也為異常負(fù)荷數(shù)據(jù)的檢測、挖掘與預(yù)測提供了可能性。 在電網(wǎng)實際運行管理中我們研究發(fā)現(xiàn)，許多沖擊負(fù)荷或尖峰負(fù)荷是與季節(jié)性或突發(fā)事件相聯(lián)系的，它們一般在很長一段時間內(nèi)（幾個月或幾年以上）才能顯示出它的周期性規(guī)律，并且信息量較少， 電網(wǎng)管理人員容易忽視。但是該類負(fù)荷對電網(wǎng)危害極大。例如： 發(fā)生在2003年8月14日的美國及加拿大的大停電事故雖然原因尚未完全查明， 但下午4時是紐約地區(qū)溫度最高時期，冷汽機、空調(diào)等用電負(fù)荷約占總負(fù)荷的30%，用電量急劇增加，沖擊負(fù)荷估計不足加之美國與加拿大的輸電線路遭受雷擊，頻率下降迅速造成電網(wǎng)崩潰. 在同一個地區(qū)1996年7月~8月連續(xù)發(fā)生了兩起類似的電網(wǎng)崩潰事件，起因都是由炎熱的氣候引起的。 因此對該類沖擊負(fù)荷或中、 長期尖峰負(fù)荷的研究是非常必要的，它是保證電網(wǎng)安全運行的前提條件。 在實際電網(wǎng)運行中，由于發(fā)電機的隨機停運、用電負(fù)荷波動、線路故障等，都會破壞電力系統(tǒng)的平衡狀態(tài)，出現(xiàn)有功功率的嚴(yán)重不足，嚴(yán)重時甚至造成電網(wǎng)崩潰，通過我們的研究發(fā)現(xiàn)主要表現(xiàn)為以下三個方面： 第一 在負(fù)荷密度大的電網(wǎng)中，由于負(fù)荷增長（早、晚高峰）或輸送功率大量增長而引起電壓不穩(wěn)定，經(jīng)歷較長時間后，往往進(jìn)一步引起連鎖跳閘而導(dǎo)致電壓崩潰，例如法國和日本東京的電壓崩潰事件。這種實際運行中發(fā)生的雖然是個別的但其后果極為嚴(yán)重的電網(wǎng)崩潰現(xiàn)象。 第二 電網(wǎng)低頻切負(fù)荷是保持電網(wǎng)穩(wěn)定運行、防止系統(tǒng)崩潰的最后一道防線。從1996年以來國內(nèi)外電網(wǎng)事故解列的后果可以看出，如果電網(wǎng)解列后低頻減載裝置存在較大的問題，電網(wǎng)內(nèi)由于負(fù)荷的突然劇增，而嚴(yán)重缺乏有功功率時，頻率可能嚴(yán)重下降甚至崩潰。 第三 如果電網(wǎng)攀峰響應(yīng)能力不足難以應(yīng)付網(wǎng)內(nèi)負(fù)荷波動，則有可能造成電網(wǎng)崩潰。我國是以火電為主調(diào)峰的，對峰谷差達(dá)到最高負(fù)荷的1/3以上的情況一般系統(tǒng)已能應(yīng)付，但在負(fù)荷水平高位急速攀升或低位急速下降時，則調(diào)峰響應(yīng)能力不足。在純火電電網(wǎng)內(nèi)，負(fù)荷高位陡升的最高速率在每分鐘三百分之一峰荷左右。隨著經(jīng)濟(jì)的發(fā)展這種速率增長很快，當(dāng)它升高到每分鐘二百分之一峰荷時，現(xiàn)有投運機組集合的響應(yīng)能力將難以保證穩(wěn)頻爬峰。 （1）傳統(tǒng)上要解決上述問題必須從以下兩個方面著手； 第一 必須加大有功熱備用（即旋轉(zhuǎn)備用容量）。在通常的電力系統(tǒng)運行方式下，旋轉(zhuǎn)備用機組的裕度都是按尖峰負(fù)荷水平進(jìn)行安排，一般情況為最大負(fù)荷的2%~5%，大系統(tǒng)采用較小數(shù)值，小系統(tǒng)采用較大數(shù)值。如果為了提高供電可靠性就必然要加大旋轉(zhuǎn)備用容量的投入量，但這又勢必會造成生產(chǎn)成本的提高。據(jù)初步統(tǒng)計，中國全年的用電尖峰大部分集中在夏季大負(fù)荷時期的十幾個小時內(nèi)，為此而無限制地增加裝機容量的投資是不科學(xué)、不經(jīng)濟(jì)的。 第二 進(jìn)行大規(guī)模的電網(wǎng)改造。規(guī)劃設(shè)計電網(wǎng)結(jié)構(gòu)時，為了避免發(fā)生嚴(yán)重事故（考慮實際可能的多重事故），防止因負(fù)荷轉(zhuǎn)移引起的惡性連鎖反映。這時不僅要考慮N-1運行管理方式，還要考慮N-2甚至更嚴(yán)重時的運行管理方式,這又勢必造成電網(wǎng)投資的增加。這在我國現(xiàn)有經(jīng)濟(jì)條件下是不可能做到的。 鑒于以上情況，我們在電力負(fù)荷預(yù)測中做了大量的研究工作，并取得了實質(zhì)性的進(jìn)展。在參閱了大量的文獻(xiàn)之后，我們仔細(xì)分析了已有的電力負(fù)荷預(yù)測方法，Box&Jenkinks方法，ARMA模型，Kalman濾波法，支持向量機等等，之后我們決定從自適應(yīng)共振理論映射神經(jīng)網(wǎng)絡(luò)著手，這是1992年數(shù)學(xué)家、物理學(xué)家、神經(jīng)學(xué)家Grossberg提出的一種全新的極為優(yōu)秀的神經(jīng)，幾乎堪稱完美。在經(jīng)過學(xué)者們仔細(xì)的分析之后發(fā)現(xiàn)，自適應(yīng)共振理論映射可能會出現(xiàn)增值的問題。為了解決這個問題，科學(xué)家們做了大量的工作。我們的想法是用一種新的神經(jīng)網(wǎng)絡(luò)來做分布式壓縮編碼，然后再去訓(xùn)練和預(yù)測。從這個角度出發(fā)，我們提出了新的神經(jīng)網(wǎng)絡(luò)——分布式自適應(yīng)共振理論&超球自適應(yīng)共振理論映射(dART&HS-ARTMAP)。通過對澳大利亞新蘭威爾士州和維多利亞州的負(fù)荷數(shù)據(jù)模擬，并與經(jīng)典的改進(jìn)之后的BP神經(jīng)網(wǎng)絡(luò)和單獨的HS-ARTMAP（2006年提出）進(jìn)行多角度對比，結(jié)果新的神經(jīng)網(wǎng)絡(luò)方法具有精度高，結(jié)果穩(wěn)定等一系列優(yōu)點，運算時間上比BP提高一個數(shù)量級，比HS-ARTMAP提高了一倍。 本作品的研究成果已發(fā)表在國際學(xué)術(shù)期刊Energy（SCI二區(qū)，影響因子：2.952）上。申報者為該論文第一作者。
作品圖片
作品專業(yè)信息
撰寫目的和基本思路
- 目的：本作品通過構(gòu)建一種精度高、預(yù)測結(jié)果穩(wěn)定、算法效率高的神經(jīng)網(wǎng)絡(luò)電力負(fù)荷預(yù)測新方法，為電網(wǎng)的安全預(yù)警管理提供可靠、快捷的信息。 基本思路：基于兩種優(yōu)秀的神經(jīng)網(wǎng)絡(luò)dART和HS-ARTMAP，本作品提出了一種新的神經(jīng)dART&HS-ARTMAP，其具有快速、穩(wěn)定的學(xué)習(xí)能力和良好的編碼壓縮、抗噪聲能力。利用新提出的神經(jīng)網(wǎng)絡(luò)，本作品進(jìn)行了多地區(qū)、多周期的電力負(fù)荷預(yù)測，并與多種方法進(jìn)行了對比。
科學(xué)性、先進(jìn)性及獨特之處
- 1、本作品提出了一種新的神經(jīng)網(wǎng)絡(luò)，這種神經(jīng)網(wǎng)絡(luò)具有函數(shù)逼近精度高、預(yù)測結(jié)果穩(wěn)定、運行時間短等優(yōu)點。 2、HS-ARTMAP神經(jīng)網(wǎng)絡(luò)處理的是經(jīng)神經(jīng)網(wǎng)絡(luò)dART處理過的壓縮數(shù)據(jù)。這提供了一種快速運算的思路，在理論上是一種創(chuàng)新。 3、方法的驗證上，本作品進(jìn)行了多角度的負(fù)荷預(yù)測與對比——澳大利亞新蘭威爾士州和維多利亞州的負(fù)荷預(yù)測；單周期和多周期的負(fù)荷預(yù)測；BP和HS-ARMAP神經(jīng)網(wǎng)絡(luò)的預(yù)測。
應(yīng)用價值和現(xiàn)實意義
- 1996年美國接連發(fā)生2次大停電事故, 損失慘重。美國總統(tǒng)認(rèn)為“停電事故已直接危及國家安全”。近年來，我國將形成全國聯(lián)網(wǎng)的巨型電力系統(tǒng), 如果出現(xiàn)電力系統(tǒng)重大事故, 其損失可能大幅增加。因此保證電力系統(tǒng)的安全、穩(wěn)定運行是一個重大的問題。該作品的完成對電網(wǎng)安全管理提供了可靠的保證，也為國家智能電網(wǎng)的建設(shè)提供了理論上的支撐。
學(xué)術(shù)論文摘要
- 基于自適應(yīng)共振理論，本文提出了一種新的神經(jīng)網(wǎng)絡(luò)模型——分布式自適應(yīng)共振理論&超球自適應(yīng)共振理論映射，并將其應(yīng)用到電力負(fù)荷預(yù)測中。自適應(yīng)共振理論擁有快速的學(xué)習(xí)能力，多層感知機能抗噪聲，具有很強的編碼能力，分布式自適應(yīng)共振理論是上述兩種神經(jīng)網(wǎng)絡(luò)的結(jié)合；似徑向基神經(jīng)網(wǎng)絡(luò)使用超球基替代高斯基，超球自適應(yīng)共振理論映射是似徑向基神經(jīng)網(wǎng)絡(luò)和似自適應(yīng)共振理論的結(jié)合，它在函數(shù)逼近的問題中具有增強的學(xué)習(xí)能力。在我們的模型中，超球自適應(yīng)共振理論映射接收經(jīng)過分布式自適應(yīng)共振理論處理過的壓縮的分布式數(shù)據(jù)，這樣來解決自適應(yīng)共振理論映射建筑經(jīng)常碰到的增值問題。澳大利亞新南威爾士州和維多利亞州的電力負(fù)荷數(shù)據(jù)被用來驗證我們的方法，通過與經(jīng)典的反饋神經(jīng)網(wǎng)絡(luò)和單獨的超球自適應(yīng)共振理論映射的對比，模擬結(jié)果顯示我們的方法具有精度高，速度快等一系列優(yōu)點。
獲獎情況
- 本作品研究論文英文稿《An efficient approach for electric load forecasting using distributed ART&HS-ARTMAP neural network》已于2011年2月在國際學(xué)術(shù)期刊《Energy》（SCI二區(qū)，影響因子2.952）正式發(fā)表。
鑒定結(jié)果
- 無
參考文獻(xiàn)
- [1]Mara Lu cia M. Lopes, Carlos R. Minussi, Anna Diva P. Lotufo. Electric load forecasting using a fuzzy ART&ARTMAP neural network. Applid Soft Computing. 5 (2005) 235-244 [2] Carpenter, G. A.. Distributed learning, recognition, and prediction by ART and ARTMAP neural networks. Neural Networks. 10 (1997) 1473-1494 [3] Mu-Chun Su, Jonathan Lee, Kuo-Lung Hsieh. A new ARTMAP-based neural network for incremental learning. Neurocomputing 69 (2006) 2284-2300 [4]Carpenter, G. A., Grossberg, S., Markuzon, N., Reynolds, J. H., Rosen, D. B.. Fuzzy ARTMAP: A neural network architecture for incremental supervised learning of analog multidimensional maps. IEEE Transactions on Neural Networks. 3 (1992) 698-713
同類課題研究水平概述
- 電力負(fù)荷預(yù)測的研究已經(jīng)引起了廣泛的關(guān)注，比如已經(jīng)提出的預(yù)測方法有Box&Jenkins方法，ARMA模型，Kalman濾波法，支持向量機等等?？紤]到電力負(fù)荷波動具有非線性的特征，而神經(jīng)網(wǎng)絡(luò)具有非線性映射，并行計算等優(yōu)點，本作品集中精力研究了神經(jīng)網(wǎng)絡(luò)的方法。最早的經(jīng)典預(yù)測類網(wǎng)絡(luò)為三層反饋神經(jīng)網(wǎng)絡(luò)(BP)，Bakirtzis首先在1996年應(yīng)用這種方法進(jìn)行電力負(fù)荷預(yù)測，但是這種方法是非在線的,收斂速度很慢，并且一旦訓(xùn)練數(shù)據(jù)發(fā)生改變，就得丟棄已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)而重新訓(xùn)練。自適應(yīng)共振理論（ART）很好的解決了這一問題，這種新方法是基于自適應(yīng)的競爭類神經(jīng)網(wǎng)絡(luò)的，只有當(dāng)輸入的向量滿足警戒參數(shù)時，獲勝的神經(jīng)元才會響應(yīng)，此時才會發(fā)生共振并更新權(quán)值，從而解決了一般的競爭神經(jīng)網(wǎng)絡(luò)中的遇到的穩(wěn)定性困境可塑性困境。但是自適應(yīng)共振理論是一種分類的神經(jīng)網(wǎng)絡(luò)，不能用來做預(yù)測?；谧赃m應(yīng)共振理論，模糊自適應(yīng)共振理論映射神經(jīng)網(wǎng)絡(luò)(Fuzzy ARTMAP)在1992年被提出。這是一種被學(xué)者們稱為幾乎完美的神經(jīng)。它是兩個自適應(yīng)共振理論的結(jié)合，在兩個自適應(yīng)共振理論分別對輸入和輸出數(shù)據(jù)做分類之后，聯(lián)想記憶模塊聯(lián)系二者之間相互匹配的類別，從而成為一種預(yù)測的神經(jīng)網(wǎng)絡(luò)。這種神經(jīng)網(wǎng)絡(luò)具有學(xué)術(shù)上嚴(yán)格定義的增強的學(xué)習(xí)能力，且具有高精度、高穩(wěn)定性、在線的快速學(xué)習(xí)等等一系列優(yōu)點。但是科學(xué)家們后來發(fā)現(xiàn)這種神經(jīng)網(wǎng)絡(luò)會出現(xiàn)增值的問題, 即自適應(yīng)共振理論分的類別可能過于龐大。圍繞這個問題，一些學(xué)者也提出了一些方法，1995年提出的Gaussian ARTMAP，1997年提出的ARTMAP-IC，1997年提出的dARTMAP，2006年提出的HS-ARTMAP神經(jīng)網(wǎng)絡(luò)，但是他們的神經(jīng)網(wǎng)絡(luò)仍然會出現(xiàn)增值的問題，本作品的研究就是從這個角度出發(fā)的。
![超聲-微波輔助超臨界二氧化碳萃取黃柏?fù)]發(fā)油工藝的研究](/media/pro_project/proimage/2011/7/26/cache/f1907a64-c18f-41cc-88e4-be70434e6d26_120_120.jpg)
