微电网负荷预测是什么层

一种基于gru神经网络的微电网短期负荷预测方法

技术领域

1.本发明涉及微电网负荷技术领域，特别涉及一种基于gru神经网络的微电网短期负荷预测方法。

背景技术：

2.微电网是一组由分布式电源、负荷、储能系统和控制装置构成的微型系统。对于大电网来说，它表现为一个单一可控的单元，可实现能源多种形式(电能、热能等)的高可靠供给负荷。微电网中的电源多为小容量的分布式电源，主要有光伏电池、小型风力发电机、微型燃气轮机、燃料电池以及蓄电池等储能装置，具有成本低、电压低及污染低等特点。

3.负荷预测是微电网能量管理系统的重要组成部分，是对分布式电源，如风电、光伏、微燃气轮机、柴油机及渗型储能等可控微源进行优化调度的基础，预测结果将直接影响微电网运行策略与电能交易。相对于大搜蚂电网世喊埋环境，微电网进行短期负荷预测的难度更高，这主要是由于负荷的随机性强，历史负荷曲线相似度低，再加上用户容量有限，各用户间负荷特征相互平滑作用较小，负荷总体波动较大。

4.为了提高负荷预测精度，许多学者进行了大量研究，提出了一系列预测方法，如bp-nn预测方法，常规gru神经网络预测方法。但这些方法仍然存在预测精度不够高的问题。其中，gru神经网络的权值为待定参数，并且这些权值参数的选择并无成熟的理论依据，且这些权值参数的选择对于gru神经网络模型的预测性能影响很大，这是目前gru神经网络应用于微电网短期负荷预测的难点。

螨虫分类问题：螨虫有多个参数，将这些参数作为神经网络的输入样本。螨虫的种类进行量化后，作为神经网络的输出。附件为一个示例程序，可供参考。

人工神经网络应用系统。在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种信号纯返处理或模式识别的功能、构作专家系统、制成机器人等等。

神经网络可以用作分类、聚类、预测等。神经网昌厅络需要有一定量的历史数据，通过历史数据的训练，网络可以学习到数据中隐含的知识。在你的问题中，首先要找到某些问耐裤隐题的一些特征，以及对应的评价数据，用这些数据来训练神经网络。

FastICA算法的基本步骤：

1. 对观测辩唯数据进行中心化，使它的均值为0；

2. 对数据进游嫌行白化，。

3. 选择需要估计的分量的个数，设迭代次数

4. 选择一个初始权矢量（随机的）。

5. 令,非线性函数的选取见前文。

6. 。

7. 令。

8. 假如不收敛的话，返回第5步。

9．令，如果，返回第4步。

二．MATLAB源程序及说明：

%下程序为ICA的调用函数，输入为观察的信号，输出为解混后的信号

function Z=ICA(X)

%-----------去均值---------

[M,T] = size(X)%获取输入矩阵的行/列数，行数为观测数据的数目，列数为采样点数

average= mean(X')' %均值

for i=1:M

X(i,:)=X(i,:)-average(i)*ones(1,T)

end

%---------白化/球化------

Cx = cov(X',1) %计算协方差矩阵Cx

[eigvector,eigvalue] = eig(Cx)%计算Cx的特征值和特征向量

W=eigvalue^(-1/2)*eigvector' %白化矩阵

Z=W*X %正交矩阵

%----------迭代-------

Maxcount=10000 %最大迭代次数

Critical=0.00001 %判断是神灶手否收敛

m=M %需要估计的分量的个数

W=rand(m)

for n=1:m

WP=W(:,n) %初始权矢量（任意）

% Y=WP'*Z

% G=Y.^3%G为非线性函数，可取y^3等

% GG=3*Y.^2 %G的导数

count=0

LastWP=zeros(m,1)

W(:,n)=W(:,n)/norm(W(:,n))

while abs(WP-LastWP)&abs(WP+LastWP)>Critical

count=count+1 %迭代次数

LastWP=WP %上次迭代的值

% WP=1/T*Z*((LastWP'*Z).^3)'-3*LastWP

for i=1:m

WP(i)=mean(Z(i,:).*(tanh((LastWP)'*Z)))-(mean(1-(tanh((LastWP))'*Z).^2)).*LastWP(i)

end

WPP=zeros(m,1)

for j=1:n-1

WPP=WPP+(WP'*W(:,j))*W(:,j)

end

WP=WP-WPP

WP=WP/(norm(WP))

if count==Maxcount

fprintf('未找到相应的信号)

return

end

end

W(:,n)=WP

end

Z=W'*Z

%以下为主程序，主要为原始信号的产生，观察信号和解混信号的作图

clear allclc

N=200n=1:N%N为采样点数

s1=2*sin(0.02*pi*n)%正弦信号

t=1:Ns2=2*square(100*t,50)%方波信号

a=linspace(1,-1,25)s3=2*[a,a,a,a,a,a,a,a]%锯齿信号

s4=rand(1,N)%随机噪声

S=[s1s2s3s4]%信号组成4*N

A=rand(4,4)

X=A*S%观察信号

%源信号波形图

figure(1)subplot(4,1,1)plot(s1)axis([0 N -5,5])title('源信号')

subplot(4,1,2)plot(s2)axis([0 N -5,5])

subplot(4,1,3)plot(s3)axis([0 N -5,5])

subplot(4,1,4)plot(s4)xlabel('Time/ms')

%观察信号（混合信号）波形图

figure(2)subplot(4,1,1)plot(X(1,:))title('观察信号（混合信号）')

subplot(4,1,2)plot(X(2,:))

subplot(4,1,3)plot(X(3,:))subplot(4,1,4)plot(X(4,:))

Z=ICA(X)

figure(3)subplot(4,1,1)plot(Z(1,:))title('解混后的信号')

subplot(4,1,2)plot(Z(2,:))

subplot(4,1,3)plot(Z(3,:))

subplot(4,1,4)plot(Z(4,:))xlabel('Time/ms')

---