典型文献
基于自适应遗传优化和神经网络算法的线损预测方法研究
文献摘要：
为了提升配电网线损的预测精度,文中对线损的计算、评估方法进行了研究.引入时下流行的人工智能算法实现了线损的智能化、精准化预测.首先搭建单隐藏层的神经网络,该网络使用误差的反向传播算法作为网络的训练方法.为了解决该网络在训练时容易陷入局部最优解的问题,文中结合自适应遗传算法对神经网络结构进行了改造,并通过使用误差阈值来优化神经网络中的连接阈值与偏置,从而避免了网络训练的过拟合现象.为了评估所提算法在线损预测时的预测精度,基于某地区实际的10 kV配电网络的生产数据进行了网络的训练,且在算法仿真时,使用传统的BP神经网络作为对照组.仿真结果表明,文中算法对于线损预测的平均误差为7.23％,相较于BP神经网络算法降低了7.71％,有较明显的改善;经预测,该配电网络的线损率在1.21％～5.24％之间,与实际的线损率基本一致.
文献关键词：
线损预测;神经网络;自适应遗传算法;配电网络
中图分类号：
作者姓名：
杨军;左威;徐维佳;周佳明;罗庆璇
作者机构：
国网宁夏电力有限公司宁东供电公司,宁夏灵武750411
文献出处：
引用格式：
[1]杨军;左威;徐维佳;周佳明;罗庆璇-.基于自适应遗传优化和神经网络算法的线损预测方法研究)[J].电子设计工程,2022(19):88-92
A类：
B类：
遗传优化,神经网络算法,线损预测,配电网线损,时下,下流,人工智能算法,算法实现,网络使用,反向传播算法,训练方法,局部最优解,自适应遗传算法,神经网络结构,优化神经网络,连接阈值,偏置,网络训练,过拟合,评估所,某地区,kV,配电网络,生产数据,算法仿真,平均误差,线损率
AB值：
0.310188
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
