基于遺傳算法的RBF神經網絡用于配電網線損計算.pdf

1、配電網線損作為電力系統(tǒng)的一項重要的技術經濟指標，長期以來受到電力企業(yè)及相關部門的廣泛重視。特別是電力的市場化改革以來，線損率已經直接與電價掛鉤，影響著企業(yè)的經營效益。因此，準確而簡便的線損計算，對于考核企業(yè)線損管理工作成效、制定各項有效地降損措施是極其重要的。 本文首先對現(xiàn)有的理論線損計算方法進行了深入分析，指出了目前各種線損計算方法的局限性。并針對我國配電網具有元器件數(shù)量眾多、分布復雜，自動化程度普遍較低，原始數(shù)據(jù)不易收集等特

2、點，提出了一種基于遺傳算法的RBF神經網絡用于配電網線損計算的新方法。該方法通過RBF神經網絡的空間擬合性和徑向基函數(shù)的局部響應特性映射配電線路參數(shù)與配電網線損之間的非線性復雜關系，并針對傳統(tǒng)的RBF網絡學習方法中，隱含層與輸出層結構參數(shù)的確定相互獨立，輸出層權重訓練容易陷入局部最小等缺點，應用遺傳算法對整個RBF網絡進行優(yōu)化，將RBF網絡不同的中心和其對應的寬度及各個調節(jié)權重統(tǒng)一編碼，加強了RBF網絡隱含層和輸出層的合作關系，并利用遺

3、傳算法全局搜索的功能特性，使得整個網絡模型達到全局最優(yōu)。此外，對遺傳算法本身的遺傳機制作出了相應的改進，使遺傳操作更加完善。 為了驗證本文提出的方法的實用性和可行性，分別以某地區(qū)68條配電線路和天津濱海供電局67條配電線路的線路特征參數(shù)為樣本，進行了線損的實例仿真計算。試驗仿真結果表明以遺傳算法優(yōu)化的RBF網絡，具有網絡模型簡單、訓練速度快、計算精確度高等優(yōu)點，并具有很強的實用性和推廣性。利用神經網絡的擬合能力合擴展能力，可以較

4、為準確的記憶可獲取的配電線路特征參數(shù)與線路線損之間的非線性映射關系，從而進行較為精確的線損計算。 最后，本文以Borland C++Builder 5.0作為軟件開發(fā)平臺，基于面向對象程序設計的思想，開發(fā)出一套適應于配電網線損計算的可視化軟件。軟件具有配電線路圖繪制，元件運行數(shù)據(jù)錄入，數(shù)據(jù)庫管理，線損計算，報表輸出等功能。人機界面友好，并提供了大量的快捷操作，具有國際標準軟件界面風格，易于用戶學習掌握。軟件設計后期，進行了多次測