其他
【精彩论文】基于改进RBFNN的1 000 kV特高压线损预测
观点凝练
摘要：针对特高压输电线线损与特征参数间关系复杂的特点，提出一种联合聚类优化算法（Canopy -K- means）和自适应二次变异差分进化（adaptive second mutation differential evolution，ASMDE）算法改进的径向基神经网络（radial basis function neural network，RBFNN）模型，用于特高压输电线线损的预测。通过理论分析确定特高压输电线线损的特征参数，采用Canopy-K-means聚类算法进行聚类，以此确定径向基（radial basis function，RBF）神经网络的隐藏层节点，从而确保RBF神经网络具有较优的隐藏层中心。用特征参数和线损的样本数据训练ASMDE算法优化的RBF神经网络，拟合出线损与特征参数之间复杂的非线性关系。以华中地区某特高压输电线路的历史数据为例，仿真验证了所提方法的实用性和有效性。
结论：本文针对特高压输电线线损的特征，建立了一种用于特高压线损预测的RBF神经网络模型。针对已有的RBF神经网络模型存在的问题，本文对其聚类过程与训练过程进行了改进。聚类过程采用Canopy-K-means聚类算法，避免人为确定聚类数以及陷入局部最优，采用ASMDE算法优化RBF神经网络的训练过程，避免了训练过程中陷入局部最优。本文所提方法对特高压线损的预测具有更高的精度，是一种较为有效和实用的线损预测和分析的方法。
引文信息
杨建华, 肖达强, 张伟, 等. 基于改进RBFNN的1 000 kV特高压线损预测[J]. 中国电力, 2022, 55(5): 122-127, 142.YANG Jianhua, XIAO Daqiang, ZHANG Wei, et al. Prediction of 1 000 kV UHV line loss based on improved RBFNN[J]. Electric Power, 2022, 55(5): 122-127, 142.往期回顾
◀【精彩论文】基于纳什议价理论的分布式绿色电力交易优化分析◀【精彩论文】线激光清除架空线路树障时温度和效率分析◀【精彩论文】基于t-SNE与CFSFDP算法的多源局部放电脉冲分类技术◀【精彩论文】调相机接入后距离保护Ⅱ段的定值优化策略◀【征稿启事】“分布式智能电网的规划、运行和电力交易”专栏征稿启事◀【征稿启事】“新型能源体系下电碳协同市场机制及优化运行”专栏征稿启事◀【征稿启事】“面向碳达峰碳中和目标的清洁高效发电技术”专题征稿启事◀【征稿启事】“新型电力系统低碳规划与运行”专栏征稿启事
审核：方彤
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。