基于复合学习算法的配电网理论线损计算模型

为了提高配电网理论线损计算精度,提出一种基于复合学习算法的配电网理论线损计算模型。该模型将配电网理论线损计算抽象成多元回归问题,将理论线损计算的各类影响因素和理论线损值分别作为多元回归问题的输入向量和输出向量,并构造样本集输入到复合学习算法中加以训练,以得到配电网理论线损计算模型。复合学习算法由广义回归神经网络完成样本集训练,并在训练过程中利用粒子群算法动态地搜索广义回归神经网络最优训练参数,从而降低了理论线损计算模型的误差。实验结果显示,与传统方法相比基于复合学习算法的配电网理论线损计算模型具有更高的计算精度。     

基于支持向量回归的配电网线损计算模型

提出了一种基于支持向量回归的计算配电网线损的可行方法,建立了配电网线损计算的支持向量回归模型。针对有代表性的配电线路的线损与特征参数的样本数据,利用支持向量回归的拟合特性映射线损与特征参数之间复杂的非线性关系,找出配电线路的线损随特征参数变化的规律。为了提高支持向量回归机的学习效率,采用样本分类处理的方法分别对其进行训练,使的计算结果更加符合实际。以配电线路数据为实例,仿真结果验证了所提的方法和模型的有效性和实用性。     

基于支持向量回归的配电网线损计算模型

提出了一种基于支持向量回归的计算配电网线损的可行方法,建立了配电网线损计算的支持向量回归模型.针对有代表性的配电线路的线损与特征参数的样本数据,利用支持向量回归的拟合特性映射线损与特征参数之间复杂的非线性关系,找出配电线路的线损随特征参数变化的规律.为了提高支持向量回归机的学习效率,采用样本分类处理的方法分别对其进行训练,使的计算结果更加符合实际.以配电线路数据为实例,仿真结果验证了所提的方法和模型的有效性和实用性.     

基于粒子群算法优化支持向量机的输电线路覆冰预测

分析了现有输电线路覆冰厚度预测方法中的不足,提出了一种基于粒子群算法优化支持向量机的输电线路覆冰预测。通过历史覆冰增长数据样本对支持向量机进行训练,利用训练的模型对线路覆冰厚度进行预测。同时利用粒子群优化算法对支持向量机关键参数进行优化,有效提高了覆冰厚度预测精度,为输电线路防冰提供了可靠依据。     

基于改进核心向量机的配电网理论线损计算方法

为了提高配电网理论线损计算的精度,提出了一种基于改进核心向量机（quantum genetic algorithm-core vectormachine,QGA-CVM）的智能化理论线损计算方法。QGA-CVM方法将理论线损的计算抽象成回归分析问题进行求解,把理论线损已知的线路构造成样本集,以其做为CVM的数据来源加以训练,进而获得回归分析问题的拟合函数。在CVM训练过程中,利用QGA搜寻CVM的最优训练参数,以克服CVM训练参数选取的盲目性,提高了QGA-CVM的计算精度。最后通过实验验证了QGA-CVM理论线损计算方法的有效性,与传统方法相比,QGA-CVM方法在线损计算精度和速度等方面拥有更好的性能。     

基于灰色关联分析和IPSO-LSSVM的线损预测模型研究

为了准确、全面评估10 k V配电网线损情况,给出了一种灰色关联分析和改进粒子群算法优化最小二乘支持向量机的线损预测方法。通过灰色关联度分析定量分析了电气指标和10 k V配电网线损之间的关联性,改进标准粒子群算法学习因子的变化规律,使用IPSO优化LSSVM的惩罚因子,建立IPSO-LSSVM预测模型。通过某地区10 k V配电网线路实际计算,对比不同方法,验证IPSO-LSSVM模型具有更好的精度和收敛能力。     

基于支持向量机和粒子群算法的信息网络安全态势复合预测模型

提出一种基于支持向量机和粒子群算法的网络态势复合预测模型。模型使用滑动窗口方法将各原始离散时间监测点的安全态势值构造成部分线性相关的连续时间序列,以其作为安全态势数据样本集对支持向量机加以训练,生成预测模型。在支持向量机训练过程中,利用粒子群算法搜寻支持向量机的最优训练参数,以降低支持向量机参数选择的盲目性,提高预测精度。最后通过基于大量电力企业信息网络现场安全监测数据的实验,验证了复合预测模型的有效性。     

基于改进PSO优化RBF神经网络线损计算与分析

为了准确计算配电网线路损耗,进行窃电位置的判断,提出改进粒子群算法优化RBF神经网络的计算和分析模型。以机器学习为切入点,通过数据驱动的方式,利用改进粒子群算法优化RBF神经网络重要参数,分别构建了相关线损计算和分析模型,基于IEEE13节点配电网络参数,实现理论线损计算和窃电位置判断。通过Matlab仿真验证上述模型的准确性和可靠性。     

基于粒子群优化支持向量机的变压器故障诊断

针对基于DGA的变压器故障诊断方法在变压器故障诊断中存在的不足,提出了基于粒子群优化支持向量机的变压器故障诊断方法。建立支持向量机分类机的变压器故障诊断模型,并用粒子群算法优化参数,利用libSVM工具箱在MATLAB软件平台上训练支持向量机分类机,用训练良好的支持向量机诊断110kV立星变电站变压器故障状况。结果证明,采用基于粒子群优化支持向量机的变压器故障诊断结果与实际相符。此方法能够提高变压器故障诊断的准确率。     

基于粒子群优化算法的神经网络在配电网线损计算中的应用

提出了一种将粒子群优化算法(PSO)训练神经网络用于配电网线损计算的方法。该方法使用由PSO训练的BP模型来拟合影响线损的特征参数与线损之间的复杂关系。实例计算表明,与BP算法及BP与GA结合算法比较,该方法在提高误差精度的同时可以加快训练收敛的速度。     

基于CSO-SVR的低压架空线路谐波损耗评估

针对架空线路物理解析模型的谐波损耗计算精度不高的问题,文章提出基于纵横交叉算法(Crisscross Optimization,CSO)优化的支持向量回归(Support Vector Regression,SVR)模型对架空线路谐波损耗进行评估。首先采用无需复杂网络结构设计的SVR模型,拟合线路特征与线路损耗之间的关系;然后利用CSO优化算法对SVR超参数进行全局搜索,以动态优化获取最优超参数组,对线路损耗做出评估。文章依托国内某大型电能质量综合试验平台进行低压架空线路谐波试验,获得线路损耗实测数据;利用这一数据对所提模型进行验证。试验结果表明,采用CSO算法对SVR超参数进行优化,可有效提升SVR模型的线损评估性能;对比其他模型,所提模型的谐波线损评估精度更高,评估值更为接近实测值。     

基于深度置信网络的低压台区理论线损计算方法

针对因线路分布复杂、终端数目庞大等带来的低压台区理论线损计算困难的问题,提出一种基于深度置信网络(DBN)的低压台区理论线损计算新方法。在训练过程中,先利用贪婪算法对DBN模型中的神经网络层进行逐层无监督的预训练,再对该模型进行有监督的全局微调。为了提高计算精度,采用自适应时刻估计(Adam)优化器。以某地区实测2 140个台区数据为样本进行仿真计算,结果表明,相较于浅层神经网络,DBN线损计算模型具有更好的泛化能力以及准确性和快速性,且Adam优化器在线损计算中相较于均方根反向传播(RMSProp)和随机梯度下降(SGD)算法具有优越性。     

基于SVR算法的短期负荷快速预测研究

将支持向量回归(SVR)算法引入短期负荷预测,为提高预测速度,根据负荷预测的特点,提出了一种SVR的在线训练算法,该算法通过不断输入新的负荷数据来更新回归函数,以获得更快的计算速度和较好的预测结果。和传统的SVR算法比较,它能在保证精度的同时大大减少支持向量的数目,具有更快的收敛性。仿真结果表明了算法的有效性。     

等值电阻法计算配电网损耗的理论和实践

为了能较准确计算运行中配电网的电能损耗．对等值电阻法进行了理论推导。等值电阻法适用于运行中配电网络电能损耗计算．它把配电网络通过元件的有功损耗视为通过配电网线路等值电阻和配电变压器等值电阻所产生的有功损耗,在配电网线路等值电阻和配电变压器的等值电阻计算出来之后,便可求得在某时段内配电网的电能损耗。实践证明等值电阻法能满足线损管理应用的要求,它是目前配电网线损计算合适和实用的方法。     

基于PSO寻优与DBN神经网络的电晕损耗预测

特高压交流输电线路的电晕损耗与降雨量、比湿、温度、相对湿度、压强等天气条件有相关性,可通过部分天气条件对特高压交流输电线路电晕损耗进行预测,提出了一种特高压交流输电线路的电晕损耗预测方法。根据粒子群优化算法（particle swarm optimization,PSO）寻优机制与深度信念网络（deep belief network,DBN）预测原理,详细说明了该预测方法的智能算法机制,并提出了一套完整的基于PSO—DBN智能算法的预测方法。首先,通过斯皮尔曼相关系数的大小确定与电晕损耗有较强相关性的天气条件,并作为特征值;然后以所选特征值为指标体系构建DBN神经网络进行电晕损耗预测,再采用PSO寻优算法对DBN神经网络进行内部参数调整,提升DBN神经网络的预测准确性;最后利用所提算法对实际运行的闽浙特高压输电线路的电晕损耗进行算法预测,与该线路的运行统计电晕损耗值进行对比分析,验证了所提预测方法的可行性。该方法为特高压输电线路电晕损耗研究和工程设计提供参考。     

基于负荷获取和匹配潮流方法的配电网理论线损计算

提出了一种适用于任意自动化配置的配电网理论线损计算方法.分析了传统方法的假设条件对结果的影响后,指出合理地获取负荷和基于该负荷的潮流计算是准确计算线损的关键.首先将配电网负荷和支路信息分为5种类型,通过支路信息可以将原网络分解为若干个等效网络,从而降低负荷获取的复杂性,提高获取精度:其次为无自动化量测的负荷用户设置的假设条件也最大限度地满足工程需求,最后将所有获取负荷的计算统一为期望负荷分配因子和期望负荷的计算.根据不同置信度的期望负荷为配电网匹配潮流提供负荷数据,在进一步利用冗余信息修正负荷的基础上,得到了理论线损计算结果.算例结果表明,该方法能够为运行人员提供更加精确和全面的线损信息.     

市县级一体化配电网线损管理系统的设计与实现

配电网线损管理是供电企业管理的一项重要内容,文章以市县级供电企业为研究平台,设计并实现了市县级一体化配电网线损管理系统,系统实现了可视化线损技术,提出了通过电力系统潮流计算来对低压配电网用户理论线损进行计算的方案,建立基于贝叶斯网络的违章窃电诊断识别模型,结果表明该系统具有实用性强、可靠性高、操作简便、人机界面友好等优点。     

基于支持向量回归机的谐波分析

传统谐波分析方法中,窄带滤波器选频法对元件参数十分敏感,受外界环境影响较大,且精度难以保证;快速傅里叶分解法会产生频谱泄漏误差,不同频率谐波之间也有干扰;神经网络分析方法检测精度高,但其基于大样本的学习方法,受样本及训练初始值影响较大,有时会导致训练不成功。为减小外界环境影响,提高检测精度和降低噪声影响,提出基于支持向量回归机的谐波分析方法,它是基于统计学习理论,以结构风险最小化为原则的机器学习,通过引入松弛变量和损失函数提高算法泛化能力和减小误差,该算法最终转化为标准二次规划问题,有全局最优解。通过算例分析,并与傅里叶检测方法相比较,可知该算法具有稳定性好、检测精度高、对噪声不敏感等优点。