本文關(guān)鍵詞：基于改進RBFNN的配電網(wǎng)停電時間自動識別模型

  更多相關(guān)文章： 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) 停電時間 自動識別模型 粒子群優(yōu)化算法 參數(shù)識別

【摘要】：針對配電網(wǎng)監(jiān)控終端系統(tǒng)計劃停電、停電告警和計量點負荷等相關(guān)數(shù)據(jù),提出基于RBFNN的停電時間自動識別模型,研究了配網(wǎng)停電時間的識別、診斷的問題。利用基于遺傳思想的粒子群優(yōu)化算法對模型的參數(shù)進行識別和優(yōu)化,并進行了模型計算和模型驗證。研究結(jié)果顯示,模型計算的誤差都很小(誤差波動范圍為[0,0.014 6]),且具有較高的識別精度(94.12%),最后對模型的運用和計算結(jié)果進行了討論。
【作者單位】： 廣西電網(wǎng)有限責(zé)任公司北海供電局;廣西博聯(lián)信息通信技術(shù)有限責(zé)任公司;
【關(guān)鍵詞】： 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) 停電時間 自動識別模型 粒子群優(yōu)化算法 參數(shù)識別
【分類號】：TM732
【正文快照】： 大規(guī)模停電事故或停電事件[1]的發(fā)生會給一個國家或者規(guī)模以上工業(yè)企業(yè)造成巨額損失,而影響停電事故的主要指標有停電范圍(區(qū)域)、停電損失、停電風(fēng)險和停電時間。配電網(wǎng)的停電包括計劃停電[2]和故障停電。計劃停電是人為控制的,故障停電則主要由配電網(wǎng)復(fù)雜電力系統(tǒng)中的元件故

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 萬書亭,李和明,李永剛;基于兩層迭代聚類算法的RBFNN及在發(fā)電機診斷中的應(yīng)用[J];電力系統(tǒng)自動化;2004年21期

2 王曉凱,侯朝楨;Predicting Reliability of Tactical Network Using RBFNN[J];Journal of Beijing Institute of Technology(English Edition);2005年01期

3 張秀玲;張志強;;四種確定RBFNN中心的新算法[J];工業(yè)儀表與自動化裝置;2007年02期

4 付霖宇;王浩偉;;改進PSO-RBFNN算法在退化型產(chǎn)品壽命預(yù)測中的應(yīng)用[J];海軍航空工程學(xué)院學(xué)報;2013年04期

5 彭相華;王智超;羅迎社;周經(jīng)野;;一種基于BC-RBFNN的高填路堤地基沉降預(yù)測模型[J];湘潭大學(xué)自然科學(xué)學(xué)報;2012年01期

6 曹潔;王金榮;;基于RBFNN模型明膠濃度在線測量[J];電氣自動化;2012年05期

7 王忠輝;;基于RBFNN鋼桁架模型橋的損傷預(yù)警研究[J];河南科學(xué);2012年08期

8 劉先珊,佘成學(xué),張立君;RBFNN模型在滲透系數(shù)反演中的應(yīng)用[J];巖土力學(xué);2003年06期

9 吳曉漢,王金春,王驥程;基于RBFNN的非線性動態(tài)系統(tǒng)辨識與控制[J];自動化儀表;1998年02期

10 ;Application of principal component-radial basis function neural networks (PC-RBFNN) for the detection of water-adulterated bayberry juice by near-infrared spectroscopy[J];Journal of Zhejiang University(Science B:An International Biomedicine & Biotechnology Journal);2008年12期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 ;Hot Metal Desulphurization Control Model Based on PCA-RBFNN[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

2 ;Comparative Study Between Radial Basis Probabilistic Neural Networks and Radial Basis Function Neural Networks[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 ;HUMAN FACIAL RECOGNITION BASED ON RADIAL BASIS FUNCTION NEURAL NETWORKS COMMITTEE[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

4 王小藝;劉載文;史運濤;;一種基于專家知識的RBFNN系統(tǒng)評估模型[A];2007年中國智能自動化會議論文集[C];2007年

5 彭相華;王智超;羅濤;余敏;羅迎社;;An elasto-plastic constitutive model of moderate sandy clay based on BC-RBFNN[A];Proceedings of the 9th National Conference on Rheology[C];2008年

6 ZHANG YingJie;WANG Kai;GE LuSheng;ZHANG QingFeng;;Research of Wheat Dampening MPC System Based on RBF Neural Network Algorithm[A];第25屆中國控制與決策會議論文集[C];2013年

7 肖海榮;閆紅華;馬榮琳;韓耀振;;基于RBFNN的船舶航向離散滑�？刂破髟O(shè)計與仿真[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第四分冊）[C];2013年

8 Guiyang Wang;Yating Zhang;Ruihua Wang;Guang Han;;Performance Prediction of Ground-Coupled Heat Pump System Using NNCA-RBF Neural Networks[A];第25屆中國控制與決策會議論文集[C];2013年

9 彭相華;王智超;羅濤;余敏;羅迎社;;一種基于BC-RBFNN的中砂土彈塑性本構(gòu)模型[A];中國化學(xué)會、中國力學(xué)學(xué)會第九屆全國流變學(xué)學(xué)術(shù)會議論文摘要集[C];2008年

10 俞其江;劉士榮;;基于改進RBFNN與滑�？刂频囊苿訖C器人跟蹤控制[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 田津;基于協(xié)同進化的RBFNN學(xué)習(xí)研究[D];天津大學(xué);2008年

2 欒鋒;支持向量機（SVM）和徑向基神經(jīng)網(wǎng)絡(luò)（RBFNN）方法在化學(xué)、環(huán)境化學(xué)和藥物化學(xué)中的應(yīng)用研究[D];蘭州大學(xué);2006年

3 萬毅;基于RBFNN的接觸網(wǎng)系統(tǒng)可靠性設(shè)計方法研究[D];西南交通大學(xué);2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 耿繼偉;基于互信息和RBFNN高速列車走行部故障診斷[D];西南交通大學(xué);2015年

2 方從剛;RBFNN算法在遙感土地分類中的應(yīng)用[D];四川農(nóng)業(yè)大學(xué);2007年

3 田津;基于RBFNN的復(fù)雜樣本分類研究[D];天津大學(xué);2005年

4 賀振武;基于RBFNN的煤與瓦斯突出預(yù)測研究[D];太原科技大學(xué);2011年

5 王夏書;草酸鈷粒度分布的RBFNN混合建模與優(yōu)化[D];東北大學(xué);2008年

6 孟慧馨;基于RBFNN的裝備體系建模方法及應(yīng)用研究[D];解放軍信息工程大學(xué);2008年

7 周靜;基于局部泛化誤差模型的RBFNN的啟發(fā)式訓(xùn)練方法[D];河北大學(xué);2010年

8 邱成;基于RBFNN的游梁式抽油機井工況監(jiān)測診斷研究[D];東北石油大學(xué);2014年

9 明曉東;銀行信貸風(fēng)險評價及預(yù)警RBFNN系統(tǒng)設(shè)計研究[D];湖南大學(xué);2008年

10 孫金燕;RBFNN隱層中心選擇方法的研究[D];河北大學(xué);2008年

，

本文編號：1008336