配电网电压暂降状态估计单层神经网络法

《配电网电压暂降状态估计单层神经网络法》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、第38卷第4期四川电力技术Vo1．38。No．42015年8月SichuanElectricPowerTechnologyAug．，2015配电网电压暂降状态估计单层神经网络法汪颖，唐琳。李国栋，林芳，吕金炳(1．四川大学电气信息学院，四川成都610065；2．国网天津市电力公司电力科学研究院，天津300384)摘要：应用单层线性神经网络求解电压暂降状态估计问题。对比单层线性神经网络和多层线性神经网络的结构和输入输出特性，并使用Ma廿ab神经网络工具箱对IEEE30节点可靠性测试系统进行仿真，证明两种网络有相同功能，能达到相同误差精度。但单层线性神经网络结构更简单

2、，能大幅提升计算速度。关键词：电压暂降；状态估计；区域电网；单层线性神经网络Abstract：Singlelayerlinearneuralnetworkisusedtosolvethestateestimationproblemsofvoltagesag．Thestructureandin-put／outputcharacteristicsofsinglelayerlinearneuralnetworkarecomparedwiththatofmulti—layerlinearneuralnetwork，andthesimulationofIEEE一30busr

3、eliabilitytestsystem(RTS)iscarriedoutbyusingMatlabneuralnetworktoolbox．Theresultsdemonstratethatthesetwokindsofnetworkshavethesalnefunction，andcanachievethesameelTorprecision．ButsinglelayerlinearneuralnetworkCansignificantlyincreasethecomputationspeedbecauseofitssimplerstructure．Keywo

4、rds：voltagesag；stateestimation；regionalpowergd；singlelayerlinearneuralnetwork中图分类号：TM74文献标志码：A文章编号：1003—6954(2015)04—0010—04将单层线性神经网络和多层线性的bp神经网0引言络的结构和输入输出特性做对比，从理论上证明两者拥有相同的传递功能，但单层线性网络结构更简电压暂降状态估计(voltagesagstateestimation，单；用IEEE30节点可靠性测试系统进行仿真测试，VSSE)是利用系统内有限监测点的暂降频次信息和从仿真中证明两者能达

5、到相同精度，但单层线性网状态估计方程估计其余节点的暂降频次。实际中由络速度更快，更具优越性：因此，在求解VSSE欠定于监测点数量有限，状态估计方程是高欠定方程线性方程上，单层线性神经网络完全可以取代bp神⋯，其求解算法是值得研究的重要课题。经网络。状态估计欠定线性方程的求解，现已有的整数线性规划法⋯、遗传算法]、bp神经网络等，均存1电压暂降方程在计算时间过长的问题。bp网络含多层神经元，结构复杂，导致计算时间增加；bp网络隐层神经元数状态估计通用的数学方程式如下⋯：的确定目前还没有统一的方法，都是依靠经验选取，日=MX+E(1)通常设计bp网络都用较高的结构冗余

6、性满足较低式中，表示测量向量；X是待估计的状态向量；M的精度要求，造成计算时间大幅增加。是测量矩阵；E向量代表测量噪声，在VSSE中，该根据VSSE方程的线性特点，选择单层线性神向量被忽略』。任意的一个电力系统，假设有Ⅳ个经网络，该网络结构简单只含一层神经元，极大精简节点，条线路和M个监测点，在该问题中M

7、监测到的剩余电压≤设定电压阈值￡的电压暂降(20130181110004)；国网天津市电力公司电力科学研究院项目频次。它是从安装监测装置的个监测点直接获·10·第38卷第4期四川电力技术V01．38．No．42015年8月SiehuanElectricPowerTechnologyAug．，2015取的，能构成行的向量日。输出层的输出为a2j：2)状态变量：向量由待估计的状态变量组口=口lJ+=∞z+，i∈[1，r]√∈[1，s](4)i成。其中每一个变量表示在对应线路分段上发生故2．2多层线性神经网络障的次数。线路故障分段的概念和具体方法见文献以含有—个隐层的两

8、层线性神经