發(fā)布時間：2022-01-25 23:25

　　為提升低壓臺區(qū)管理水平,指導基層運維人員及時發(fā)現(xiàn)臺區(qū)問題,提出基于徑向基神經網絡的低壓臺區(qū)運行狀態(tài)綜合評價方法,該方法首先利用改進K-means算法對低壓臺區(qū)進行分類,然后獲取臺區(qū)運行狀態(tài)評價指標體系集,綜合序關系分析及加權求和計算歷史臺區(qū)評價值,最后以評價值為訓練樣本,得到徑向基神經網絡評價模型,利用該模型開展在運臺區(qū)狀態(tài)評價。通過實例分析表明,該綜合評價方法能有效開展臺區(qū)運行狀態(tài)評價,及時發(fā)現(xiàn)線路及計量設備故障或異常問題,為開展低壓臺區(qū)運行問題治理,提升臺區(qū)管理水平提供技術支撐。 

【文章來源】：科學技術與工程. 2020,20(22)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

綜合評價方法流程圖

RBF神經網絡具有以任意精度逼近任意連續(xù)函數(shù)的能力[9-11],特別適用于多指標的狀態(tài)評價問題,在低壓臺區(qū)運行狀態(tài)評價上具有明顯優(yōu)勢。RBF神經網絡為前饋式三層神經網絡,輸入層為線性層,起傳輸信號的作用,權值固定為1,隱藏層為非線性層,曲線擬合由徑向基函數(shù)完成,用于臺區(qū)運行狀態(tài)評估時,其隱藏層神經元數(shù)量與用于訓練的臺區(qū)樣本數(shù)相同,輸出層由線性函數(shù)組成,用于調整隱藏層輸出權值,RBF神經網絡的結構原理如圖2所示。圖2中x=[x1,x2,…,xn]T為網絡輸入向量,ω0為輸出偏置;ω=[ω1,ω2,…,ωi]T為輸出權值向量;Φi為隱藏層傳輸公式,取高斯函數(shù)為其表達式:

【參考文獻】：
期刊論文
[1]基于改進群智能K-means優(yōu)化算法的侵犯性駕駛行為異常點檢測[J]. 王絲絲,張敬磊,王建興,陳慈,馬春杰.  科學技術與工程. 2018(34)
[2]基于序關系分析法的配電網風險評估方法[J]. 王文華,黃仁樂,鄒保平,王存平,儲建新,鐘達.  計算機與數(shù)字工程. 2018(08)
[3]云計算環(huán)境下關聯(lián)性大數(shù)據(jù)實時流式可控聚類算法[J]. 李鵬飛,劉春宇,海軍.  科學技術與工程. 2018(07)
[4]基于線性回歸與神經網絡的儲層參數(shù)預測復合方法[J]. 項云飛,康志宏,郝偉俊,付康寧,王福順.  科學技術與工程. 2017(31)
[5]面向配網臺區(qū)的綜合評價模型研究與可視化應用[J]. 劉飛,賁樹俊,周嘉,鄧松,毛艷芳,馮鵬,楊佩.  電網與清潔能源. 2017(05)
[6]基于序關系-熵權法的低壓配網臺區(qū)健康狀態(tài)評估[J]. 馬紀,劉希喆.  電力系統(tǒng)保護與控制. 2017(06)
[7]基于G2-熵權法的低壓配網臺區(qū)狀態(tài)特性評估[J]. 馬紀,劉希喆.  電力自動化設備. 2017(01)
[8]面向臺區(qū)管理的臺區(qū)狀態(tài)綜合評價方法及其應用[J]. 歐陽森,楊家豪,耿紅杰,吳裕生,陳欣暉.  電力系統(tǒng)自動化. 2015(11)
[9]基于徑向基函數(shù)神經網絡和模糊積分融合的電網分區(qū)故障診斷[J]. 石東源,熊國江,陳金富,李銀紅.  中國電機工程學報. 2014(04)



本文編號：3609375