基于bp神经网络算法的配电网综合降损研究

《基于bp神经网络算法的配电网综合降损研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于BP神经网络算法的配电网综合降损研究【摘要】在降低配电网线损的研究应用和研究中，传统降损措施存在着相应的缺陷和不足。因此本文提出将BP神经网络算法应用到配电网的综合降损研究中，分别应用到配电网的负荷预测、配电网重构两个方面，综合分析结果和实际数据，验证了BP神经网络算法在配电网综合降损应用中的可行性。【关键词】神经网络；配电网；线损一、引言线损是电能在传输过程中各个环节的损失，是供电量和售电量之间的差值。在电能的传输过程中造成部分电能的浪费，因此研究人员在不断的探究新的降低线损的方法。将BP神经

2、网络算法应用到配电网的综合降损中，为配电网降损研究做出了贡献。二、BP神经网络算法BP神经网络包括输入层、隐含层和输出层，按照误差逆向传播的方式训练多层前馈网络。BP神经网络的学习过程是信息的前向传播和信息误差的反向传播两项内容。在信息前向传播的过程中输入层传播到隐含层，信息由隐含层处理后再传播到输出层，这是信息逐层更新的过程。5BP神经网络算法是通过调整权重来实现使网络输出值逼近期望值的目的，BP神经网络算法学习过程为：1.将各权重值和阀值设为最小正数；给定网络一组输入向量和目标输出向量；2.根据

3、输入向量计算实际输出向量，即，将此输出值送到下一层作为输入；3.权重的调整是通过权重调整公式来实现；式中为增益相，为输出误差。在应用BP神经网络解决问题前，除了了解它的学习过程外，还需要对其进行训练，步骤如下：1.对相应的数据进行初始化：期望误差最小值：err_goal；最大循环次数：max_epoch；权值修正学习速率：lr，取0.01-0.62.完成一个训练样本的学习后，将下一个学习样本提供给网络，以此类推完成全部的样本训练。3.从学习样本中选取一组输入和目标样本数据，然后再计算输出向量，网络全

4、局误差小于设定期望误差为止，训练结束。三、配电网综合降损将BP神经网络算法应用到配电网的综合降损中。以某地区一条10KV配电线路为例说明，此配电线路的拓扑结构如图1所示，标号1-13为负荷母线，Sl-S12为母线之间的联络开关，两座变电站由A、B表示。选取l号负荷母线2013年12月前十天的负荷数据为训练数据，数据如表1所示。5表11号负荷母线12月前十天负荷数据（一）负荷预测采用BP神经网络实现负荷预测的过程为：以当天负荷段对应的负荷点12个分量的数据为配电网的输入向量，且输出向量同样为第二天12

5、个分量的负荷数据，这样就实现了为下一天负荷的预测。用1号到9号的数据进行网络训练，训练函数设置为：net.trainParam.epochs=500；%训练次数设为500次；net.trainParam.goal=0.001；%训练目标设为0.001；L.P.lr=0.05；%学习速率设为0.05；Net=train（net，P，T）；%P为输入向量，1到5号的负荷数据；%T为输出向量，6到10号的负荷数据。训练结果为：TRAINLM，Epoch0/500，MSE3.7989/0.001，Gradi

6、ent1081.63/1e-010TRAINLM，Epoch5/500，MSE0.000463846/0.001，Gradient7.38793/1e-010TRAINLM，Performancegoalmet.由此可见通过训练之后，预测数据和实测数据误差为0.001，且基本无偏差，可很好的满足实际应用需求图2某地区10KV配电网线路（二）配网重构5根据负荷等级将图1配电网线路中的13条母线分为7类，则有713种负荷模式，从713种负荷模式中选取4000个，以其中3000个数据作为训练集合，应用BP

7、神经网络算法对配电网进行学习训练，另外1000个数据为测试集合，经过46次训练后可达到误差要求，训练结果为：TRAINBFG-srchbac.Epoch0/500，MSE21.616/0.02，Gradient236.65/1e-006TRAINBFG-srchbac.Epoch25/500，MSE0.026354/0.02，Gradient0.150609/1e-006TRAINBFG-srchbac.Epoch46/500，MSE0.0199597/0.02，Gradient0.0677733/

8、1e-006TRAINBFG，Performancegoalmet.以13条母线的某一时刻负荷的实测数据为依据，通过负荷预测网络的预测得到下一时刻的负荷预测数据，并通过配电网重构在预测时刻采用将图1中开关S6断开的模式运行则配电网线损为586.21kW，若采用将开关S7断开的模式运行则线损为628.18kW，可见通过配电网重构后线损降低了41.97kW，降低了约6.7%，提高了配电网的输电效率。四、结论通过对BP神经网络算法的简单介绍和学习、训练过程的分析，将BP神经