| 基于极限学习机的配电网重构 |
| |
| 引用本文： | 吴登国,李晓明. 基于极限学习机的配电网重构[J]. 电力自动化设备, 2013, 33(2): 47-51,56 |
| |
| 作者姓名： | 吴登国 李晓明 |
| |
| 作者单位： | 武汉大学电气工程学院,湖北武汉,430072 |
| |
| 基金项目： | 江苏省自然科学基金资助项目（SBK201122790） |
| |
| 摘 要： | 为使配电网重构有功功率损耗最小,提出一种基于极限学习机的神经网络重构模型来反映配电网负荷模式与开关状态之间的非线性关系。将配电网负荷模式作为输入、网损最小时的开关状态作为输出,利用所提模型网络结构简单、学习速度快的优势进行配电网重构。引入统计学习理论中的结构风险最小化准则来改进基于经验风险最小化的极限学习机,使经验风险和置信范围最小,从而使实际风险最小,减小期望误差。通过2个典型算例对配电网重构进行仿真研究,并对基于支持向量机、BP神经网络和基于经验风险最小化的极限学习机重构模型进行比较,结果表明所提模型在保持学习速度快的同时,泛化性能更高。
|
| 关 键 词： | 配电网重构 最小化网损 极限学习机 结构风险 经验风险 模型 配电 风险 |
Distribution grid reconfiguration based on extreme learning machine |
| |
| WU Dengguo and LI Xiaoming. Distribution grid reconfiguration based on extreme learning machine[J]. Electric Power Automation Equipment, 2013, 33(2): 47-51,56 |
| |
| Authors: | WU Dengguo and LI Xiaoming |
| |
| Affiliation: | (School of Electrical Engineering,Wuhan University,Wuhan 430072,China) |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《电力自动化设备》浏览原始摘要信息 |
|
点击此处可从《电力自动化设备》下载全文 |
|
