关键词:
神经网络
线损预测
梯度下降
自适应遗传算法
配电网络
摘要:
为了提升电力网络中低压配电网网络线损的预测精度,文中对神经网络的结构、训练方法等基本理论进行了研究。针对传统神经网络在复杂结构下训练时梯度消失和陷入局部最优的现象,引入了一种自适应遗传算法(AGA)。该算法通过网络的基本结构来确定染色体上的基因位数,使用一种可变交叉、变异概率策略,从而有效提升了训练时的稳定性及效率。基于配电网的关键指标体系,对某10 kV配电网络完成数据采集,并使用量测数据进行了算法的性能仿真实验。实验结果表明,在相同的迭代条件下,改进后的算法相比传统神经网络算法对330条配电线路的平均预测精度提高了2.20%。此外,算法在迭代过程中的稳定性更强,即使在更低的目标精度下,也不会出现过拟合现象。