基于改进核心向量机的配电网理论线损计算方法

被引:55
作者
彭宇文 [1 ]
刘克文 [2 ]
机构
[1] 湖南师范大学商学院
[2] 中国电力科学研究院
关键词
配电网理论线损; 核心向量机; 量子遗传算法; 开集测试; 回归分析;
D O I
10.13334/j.0258-8013.pcsee.2011.34.011
中图分类号
TM744 [电力系统的计算];
学科分类号
080802 ;
摘要
为了提高配电网理论线损计算的精度,提出了一种基于改进核心向量机(quantum genetic algorithm-core vectormachine,QGA-CVM)的智能化理论线损计算方法。QGA-CVM方法将理论线损的计算抽象成回归分析问题进行求解,把理论线损已知的线路构造成样本集,以其做为CVM的数据来源加以训练,进而获得回归分析问题的拟合函数。在CVM训练过程中,利用QGA搜寻CVM的最优训练参数,以克服CVM训练参数选取的盲目性,提高了QGA-CVM的计算精度。最后通过实验验证了QGA-CVM理论线损计算方法的有效性,与传统方法相比,QGA-CVM方法在线损计算精度和速度等方面拥有更好的性能。
引用
收藏
页码:120 / 126
页数:7
相关论文
共 11 条
[1]   IGA优化的神经网络计算配电网理论线损 [J].
李秀卿 ;
赵丽娜 ;
孟庆然 ;
王兴东 ;
孙志政 .
电力系统及其自动化学报, 2009, 21 (05) :87-91
[2]   量子遗传算法优化RBF神经网络及其在热工辨识中的应用 [J].
董泽 ;
黄宇 ;
韩璞 .
中国电机工程学报, 2008, (17) :99-104
[3]   电力系统节点输电网损成本分析 [J].
王小君 ;
鲍海 .
中国电机工程学报, 2008, (13) :120-124
[4]   短期负荷预测中支持向量机模型的参数选取和优化方法 [J].
谢宏 ;
魏江平 ;
刘鹤立 .
中国电机工程学报, 2006, (22) :17-22
[5]   基于数据挖掘的SVM短期负荷预测方法研究 [J].
牛东晓 ;
谷志红 ;
邢棉 ;
王会青 .
中国电机工程学报, 2006, (18) :6-12
[6]   电网线损的物理分布机理 [J].
鲍海 ;
马千 .
中国电机工程学报, 2005, (21) :85-89
[7]   基于动态聚类算法径向基函数网络的配电网线损计算 [J].
姜惠兰 ;
安敏 ;
刘晓津 ;
赵新 ;
张建海 .
中国电机工程学报, 2005, (10) :35-39
[8]   基于负荷获取和匹配潮流方法的配电网理论线损计算 [J].
陈得治 ;
郭志忠 .
电网技术, 2005, (01) :80-84
[9]   计算配电网线损的GA与BP结合的新方法 [J].
辛开远 ;
杨玉华 ;
陈富 .
中国电机工程学报, 2002, (02) :80-83
[10]   基于分群算法和人工神经元网络的配电网线损计算 [J].
文福拴 ;
韩祯祥 .
中国电机工程学报, 1993, (03) :43-53