基于改进蚁群优化算法的配电网线损计算新方法.pdfVIP

第 25卷 第2期 广 东 电 力 VO1．25NO．2 2012年 2月 GUANGD0NG ELECⅡtICPoWER Feb．2012 基于改进蚁群优化算法的配电网线损计算新方法 陈章宝，曾庆念，徐耀，尹文琴，刘晓玲 (广东省电力工业职业技术学校，广东广州510520) 摘要：针对径向基函数(radialbasisfunction，RBF)神经网络收敛速度慢、易于陷入局部极小点的问题，提 出了 基于蚁群优化算法 (antcolonyoptimization，ACO)的RBF神经网络线损计算新方法。通过引入交叉和变异改进 后的ACO训练BRF神经网络，使其具有神经网络广映射能力、ACO快速全局收敛以及启发式学习等特点。利 用优化后的RBF神经网络算法拟合配电线路线损与特征参数之间的复杂关系，实现配电网线损计算。仿真结果 表明，优化后的BRF神经网络算法的线损计算误差基本在 1％以内，具有良好的收敛能力和较快的计算速度。 关键词：蚁群优化算法；径向基函数神经网络；配电网；线损 中图分类号：TM744．1 文献标志码：A 文章编号：1007-290x(2()12)O2-0072—05 A New M ethodforCalculatingLineLossofDistributionNetworksBasedon ImprovedAntColonyOptimizationAlgorithm CHENZhangbao，ZENG Qingnian．XU Yao，YIN Wenqin，LIU Xiaoling (GuangdongElectricPowerIndustrialSchool，Guangzhou，Guangdong510520，China) Abstract．．Aimingatlow convergenceofneuralnetworksofradialbasisfunction (RBF)andrelapseintolocatminimum，the paperproposesanew methodforcalculating linelOSSwith RBF neura1networkson thebasisofantcolonyoptimization (ACO)algorithm．ByintroducingcrossedandvariantAgo totrainBRF neuralnetworks，itisenabled tobe capableof wide—mapping，fastoverallconvergenceandheuristiclearning．ImprovedRBFneuralnetworkalgorithm isusedtofitthe complexrelationshipbetweenlinelOSSofdistributionnetworksandcharacteristicparametertoachievelinelOSScalculation． ThesimulationresultshowsthatthecalculationerrorofoptimizedBRFneuralnetwork algorithm isapproximatelysmaller than 1％ anditiSoffavorableconvergenceandhighcalculationspeed． Keywords：ACO；RBFneuralnetwork；distributionnetworks；lineloss 电力网的线损率是电力企业运行、管理的一项重 ralnetwork，ANN)的引入 ，提出了新型的基于神 要的综合性经济指标，其精确的计算有利于电力企业 经网络的配 电网线损计算方法；文献E23利用集成 拟定出正确的降损方案，制定出适当的降损考核指标 神经网络建立了配电网线损分析的数学模型，通过 和规划，从而有效地引导和督促企业的线损管理。