多层感知机与参数模型在智能电网可靠性预测中的混合集成
应用统计
2018-10-12 v1
摘要
电力系统的可靠运行是电力公司的首要目标，这需要准确的可靠性预测以最小化停电持续时间。由于天气条件通常是智能电网（尤其是其配电网）中停电的主要诱因，本文全面研究了各种天气参数对配电网可靠性性能的联合影响。具体而言，提出一种基于多层感知机（MLP）的框架，利用常见天气数据的时间序列预测某一配电管理区域内的每日持续性与瞬时性停电次数。首先，采用参数回归模型分析每日停电次数与温度、降水、气压、风速和雷电等多种常见天气参数之间的关系。随后将所选天气参数及相应参数模型作为集成输入，构建MLP神经网络模型以预测每日停电次数。引入一种基于改进极限学习机（ELM）的分层学习算法，利用佛罗里达州某电力公司的实时可靠性数据及国家气候数据中心（NCDC）的常见天气数据对所构建模型进行训练。此外，通过敏感性分析确定了不同天气参数对每日停电次数的各种影响。
引用
@article{arxiv.1810.05004,
title = {Hybrid integration of multilayer perceptrons and parametric models for reliability forecasting in the smart grid},
author = {Longfei Wei and Arif I. Sarwat},
journal= {arXiv preprint arXiv:1810.05004},
year = {2018}
}