中国电机工程学报
中國電機工程學報
중국전궤공정학보
ZHONGGUO DIANJI GONGCHENG XUEBAO
2007年
16期
31-36
,共6页
顾丹珍%艾芊%陈陈%沈善德
顧丹珍%艾芊%陳陳%瀋善德
고단진%애천%진진%침선덕
负荷模型%白适应前馈网络%模糊理论%自构形学习算法
負荷模型%白適應前饋網絡%模糊理論%自構形學習算法
부하모형%백괄응전궤망락%모호이론%자구형학습산법
人工神经网络(ANN)具有的自适应、自学习、非线性重构等特点,使之成为解决电力系统负荷建模的有效途径.该文利用模糊理论对典型BP神经网络(TBP)的学习速度因子和权值惯性因子进行修正,采用自构形学习算法对网络拓扑2个方面进行改进,提出自适应神经网络(ABP).结合现场试验和仿真数据,对TBP和ABP在负荷建模的速度和精度2方面进行了比较.同时,就负荷建模问题对自适应神经网络模型阶次和隐层神经元个数等因素进行了探讨.
人工神經網絡(ANN)具有的自適應、自學習、非線性重構等特點,使之成為解決電力繫統負荷建模的有效途徑.該文利用模糊理論對典型BP神經網絡(TBP)的學習速度因子和權值慣性因子進行脩正,採用自構形學習算法對網絡拓撲2箇方麵進行改進,提齣自適應神經網絡(ABP).結閤現場試驗和倣真數據,對TBP和ABP在負荷建模的速度和精度2方麵進行瞭比較.同時,就負荷建模問題對自適應神經網絡模型階次和隱層神經元箇數等因素進行瞭探討.
인공신경망락(ANN)구유적자괄응、자학습、비선성중구등특점,사지성위해결전력계통부하건모적유효도경.해문이용모호이론대전형BP신경망락(TBP)적학습속도인자화권치관성인자진행수정,채용자구형학습산법대망락탁복2개방면진행개진,제출자괄응신경망락(ABP).결합현장시험화방진수거,대TBP화ABP재부하건모적속도화정도2방면진행료비교.동시,취부하건모문제대자괄응신경망락모형계차화은층신경원개수등인소진행료탐토.