《表1 0%渗透率时的负荷预测结果与台区实际负荷对比》
为进一步验证本文所提模型和算法的有效性,选用南京市某地区配网台区的2018年实际负荷数据进行负荷预测,该台区共有机动车数量2 000台。台区负荷的影响因素包括气象数据气温T(最高温度、最低温度、平均温度),湿度H(最高湿度、最低湿度、平均湿度)以及降雨量R。首先分别采用传统BP[26]和改进ANFIS算法对该台区进行电力负荷预测,采用该台区7月全月中工作日数据预测台区8月1日负荷,则训练样本为22组,每组样本数据包括24点日负荷曲线数据、温度数据、湿度数据以及降雨量数据,此时电动汽车渗透率为0;确定GA的参数以及ANFIS和RBF的网络结构,首先GA算法的参数设定为最大迭代次数为1 000次,种群大小为100,变异率为0.10,交叉率为0.8,突变率为0.02;确定ANFIS结构采用高斯型隶属度函数,采用五层结构;确定RBF算法的参数,初始化隐层节点数为5层,切断概率为0.9,拼接概率为0.95,变异概率为0.1。则最终得到的预测结果如图4所示。结果对比如表1所示。
图表编号 | XD00138810400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.25 |
作者 | 刘云、吴家宏 |
绘制单位 | 南京四方亿能电力自动化有限公司、北京四方继保自动化股份有限公司 |
更多格式 | 高清、无水印(增值服务) |