基于改进PSO优化的RBF神经网络的特高压线损预测

被引：14

作者：

杨建华 ^{[1
]}

肖达强 ^{[1
]}

张伟 ^{[2
]}

余明琼 ^{[1
]}

易本顺 ^{[2
]}

机构：

[1] 国家电网华中分部

[2] 武汉大学电子信息学院

来源：

广东电力 | 2020年 / 33卷 / 09期

关键词：

特高压; 线损; RBF神经网络; 粒子群; 预测;

D O I：

暂无

中图分类号：

TM714.3 [系统中能量损失的降低及无功功率的补偿];

学科分类号：

080802 ;

摘要：

为了研究特高压线损与众多影响因素之间的关系,提出一种基于改进粒子群优化(particle swarm optimization,PSO)的径向基函数(radial basis function,RBF)神经网络模型,用于特高压线损的预测。首先,通过理论分析确定影响特高压线损的主要因素即电气和气象因素,从而确定特高压线损的特征指标体系;然后对特征指标体系建立RBF神经网络预测模型,采用惯性权重因子改进的PSO算法优化RBF神经网络的训练过程,保证RBF神经网络在训练时有足够全局寻优能力的同时具有较强的局部寻优能力;最后,基于一条特高压线路的历史运行数据进行仿真,并与其他预测方法的结果进行对比,验证本文所提方法的有效性和准确性。

引用

页码：85 / 91

页数：7

共 19 条

[1]

基于电晕笼和试验线段的高压直流输电电晕损耗等效性研究.[D].高晨光.华北电力大学(北京).2019, 01

[2]

基于PSO-ESN的线损模拟预测方法研究.[D].李海天.华北电力大学(北京).2018, 04

[3]

基于大数据技术支撑的线损异常分析与线损预测研究.[D].刘畅.上海交通大学.2018, 01

[4]

晋东南1000KV特高压变电站时间同步技术及应用.[D].徐鑫.山东大学.2015, 04

[5]

电力系统理论线损计算实用方法的分析研究.[D].霍佳丽.重庆大学.2009, 12

[6] 基于自适应权重PSO算法的分布式光伏并网极限容量计算 [J].

黄亚峰 ;

刘思驿 ;

庞松岭 ;

高昌龙 .

广东电力, 2020, 33 (04) :34-40

[7] 结构形式对特高压直流换流站端子性能的影响 [J].

张雪松 ;

朱宽军 ;

周立宪 ;

司佳钧 ;

李冬青 ;

孙娜 .

高电压技术, 2020, 46 (03) :915-921

[8] 基于模糊聚类的配电网极限线损率计算方法 [J].

袁晓燕 ;

陶钰磊 ;

何飞宇 .

供用电, 2019, 36 (11) :71-77

[9] 同塔四回750 kV六层横担输电线路电晕损失研究 [J].

刘云鹏 ;

黄世龙 ;

陈思佳 ;

刘琴 ;

霍峰 .

高电压技术, 2019, 45 (04) :1118-1123

[10] 基于遗传算法优化BP神经网络的线损计算研究 [J].

刘亚丽 ;

李英娜 ;

李川 .

计算机应用与软件, 2019, 36 (03) :72-75

← 1 2 →