基于自适应遗传优化和神经网络算法的线损预测方法研究

摘要

为了提升配电网线损的预测精度,文中对线损的计算、评估方法进行了研究。引入时下流行的人工智能算法实现了线损的智能化、精准化预测。首先搭建单隐藏层的神经网络,该网络使用误差的反向传播算法作为网络的训练方法。为了解决该网络在训练时容易陷入局部最优解的问题,文中结合自适应遗传算法对神经网络结构进行了改造,并通过使用误差阈值来优化神经网络中的连接阈值与偏置,从而避免了网络训练的过拟合现象。为了评估所提算法在线损预测时的预测精度,基于某地区实际的10 kV配电网络的生产数据进行了网络的训练,且在算法仿真时,使用传统的BP神经网络作为对照组。仿真结果表明,文中算法对于线损预测的平均误差为7.23%,相较于BP神经网络算法降低了7.71%,有较明显的改善;经预测,该配电网络的线损率在1.21%~5.24%之间,与实际的线损率基本一致。