夏北京 苏州大学

非线性视域下智能配电系统大数据能源预测研究

夏北京 苏州大学

随着智能配电大数据能源数据模型是世界各国研究的热点课题。在非线性视域中的智能配电大数据能源数据模型能力及对数据良好的应用能力增强,同时在非线性智能配电系统大数据能源数据负荷预测领域视域下得到海量实践的应用。本论文针对非线性智能配电系统大数据能源数据负荷预测网络化控制中存在的几个瓶颈进行分析探讨,提出非线性视域下智能配电系统大数据能源负荷预测方法,来优化电网负荷预测网络化控制视域中的瓶颈及表明该算法的高效性和实用性。

非线性；智能配电系统；大数据

1.问题与模型描述

1.1 问题描述

根据焦盾.斯教授[1-2]建立了一种智能配电系统大数据能源系统模型,其模型可表达式如公式（1）所示。

1.2 模型描述

2.主要结果

2.1 系统描述

综上所述,非线性智能配电系统大数据能源数据预处理中的网络化控制模型看做是一个多元非线性回归模型。在前向网络视域模式下输入和输出的关系可由式(3)表达

式(3)是利用网络Hamilton非线性函数。然后根据式(4)表达的是ARMA(线性自回归移动平均)模型的非线性推广情况

2.2 系统应用研究

根据 网络化控制是建立在卡尔曼滤波分析的基础上,若利用卡尔曼滤波分析的数据融合能力和网络化控制的自网络化控制、自适应性质,就可以解决网络结构及节点作用函数不易确定的瓶颈。

基于网络化控制系统算法由正向传播和反向传播组成。同时利用智能配电系统大数据能源网络的输入向量维,输出向量维,输入/输出网络运行节点总长度为定义智能配电系统大数据能源第组,网络运行节点输入描述为输出,节点在智能配电系统大数据能源第组网络运行节点输入时,输出为

3.结束语

本论文针对非线性智能配电系统大数据能源负荷预测方法进行智能配电网络化控制系统模型存在的瓶颈进行处理，达到预期效果。

[1]郑小发,苏义鑫.非线性船舶电力均衡系统的离散结构设计[J].舰船科学技术,1672-7649( 2016) 9A -0001-03.

[2][40]曹相芹，鞠平，蔡昌春．微电网仿真分析与等效化简[J]．电力自动化设备．2011，31（5）：94-98

夏北京(1978-),江苏人,工程师,研究生,主要研究方向为智能控制系统