基于遗传算法的RBF神经网络用于配电网线损计算

摘要

配电网线损作为电力系统的一项重要的技术经济指标，长期以来受到电力企业及相关部门的广泛重视。特别是电力的市场化改革以来，线损率已经直接与电价挂钩，影响着企业的经营效益。因此，准确而简便的线损计算，对于考核企业线损管理工作成效、制定各项有效地降损措施是极其重要的。 本文首先对现有的理论线损计算方法进行了深入分析，指出了目前各种线损计算方法的局限性。并针对我国配电网具有元器件数量众多、分布复杂，自动化程度普遍较低，原始数据不易收集等特点，提出了一种基于遗传算法的RBF神经网络用于配电网线损计算的新方法。该方法通过RBF神经网络的空间拟合性和径向基函数的局部响应特性映射配电线路参数与配电网线损之间的非线性复杂关系，并针对传统的RBF网络学习方法中，隐含层与输出层结构参数的确定相互独立，输出层权重训练容易陷入局部最小等缺点，应用遗传算法对整个RBF网络进行优化，将RBF网络不同的中心和其对应的宽度及各个调节权重统一编码，加强了RBF网络隐含层和输出层的合作关系，并利用遗传算法全局搜索的功能特性，使得整个网络模型达到全局最优。此外，对遗传算法本身的遗传机制作出了相应的改进，使遗传操作更加完善。 为了验证本文提出的方法的实用性和可行性，分别以某地区68条配电线路和天津滨海供电局67条配电线路的线路特征参数为样本，进行了线损的实例仿真计算。试验仿真结果表明以遗传算法优化的RBF网络，具有网络模型简单、训练速度快、计算精确度高等优点，并具有很强的实用性和推广性。利用神经网络的拟合能力合扩展能力，可以较为准确的记忆可获取的配电线路特征参数与线路线损之间的非线性映射关系，从而进行较为精确的线损计算。 最后，本文以Borland C++Builder 5.0作为软件开发平台，基于面向对象程序设计的思想，开发出一套适应于配电网线损计算的可视化软件。软件具有配电线路图绘制，元件运行数据录入，数据库管理，线损计算，报表输出等功能。人机界面友好，并提供了大量的快捷操作，具有国际标准软件界面风格，易于用户学习掌握。软件设计后期，进行了多次测试和使用，确保了软件的完整性、安全性和可靠性。

目录

文摘

英文文摘

声明

第一章绪论

1.1选题的背景及其意义

1.2理论线损计算的研究现状

1.3本文的主要工作

第二章配电网线损计算的理论基础

2.1电力网线损的基本概念

2.1.1线损的定义

2.1.2线损的构成

2.1.3线损的分类

2.2理论线损计算的目的及原始资料的收集

2.2.1线损计算的目的

2.2.2原始数据及有关资料的收集

2.3配电网理论线损计算的方法

2.3.1.理论线损的传统计算方法

2.3.2潮流计算在配电网线损计算中的应用

2.3.3神经网络在配电网线损计算中的应用

第三章基于遗传算法的RBF网络用于配电网线损计算

3.1概述

3.2 RBF神经网络

3.2.1 RBF神经网络的结构

3.2.2 RBF神经网络的映射机理

3.2.3RBF神经网络的学习规则

3.3遗传算法的基本原理

3.3.1遗传算法的基本概念

3.3.2遗传算法的操作流程

3.4遗传算法优化RBF网络的算法设计

3.4.1 RBF网络参数的遗传优化方案

3.4.2对遗传机制的改进

3.4.3配电网线损计算的整体模型及流程设计

3.5实例仿真

3.5.1原始数据及其标准化处理

3.5.2某地区68条线路线损仿真计算

3.5.3天津市滨海供电局配电网线损仿真计算

3.6结论

第四章配电网线损计算软件的开发

4.1软件开发语言

4.2软件总体功能设计

4.3软件功能的实现

4.3.1图形绘制模块

4.3.2数据库设计

4.3.3线损计算与报表输出

4.4本章小结

第五章结论

参考文献

发表论文和科研情况说明

致谢