一种基于粒子群优化并行神经网络的电力系统负荷特性聚类方法

• 作者: 贺仁睦 马瑞
• 来源期刊: 现代电力
• 学科: 工学
• 关键词: 电力系统规划 负荷建模 负荷聚类 并行神经网络 粒子群优化
• 年，卷（期）: 2006,（3）
• 所属期刊栏目: 电气工程
• 页码范围: 1-5
• 页数: 5页
• 分类号: TM7
• 字数: 3871字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2322.2006.03.001

摘要

电力系统负荷聚类是大区电网负荷建模的基础工作之一,文中提出了一种基于粒子群优化的并行神经网络的电力系统负荷聚类算法.为了增加网络的并行处理能力,分别用一定数量的子样本集轮流对一定数量的神经网络进行并行训练,训练的结果再经过粒子群的优化,最终得到一个最优的聚类神经网络;同时为了克服神经网络聚类算法对输入样本的敏感性问题,算法采用非线性的连接权函数并将其中心作为粒子;给出了算法实现过程.采用东北电网负荷模型统计样本数据的聚类结果表明,文中提出的算法具有较强的适应性和较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺仁睦	华北电力大学电力系统保护与动态安全监控教育部重点实验室	108	4537	35.0	65.0
2	马瑞	华北电力大学电力系统保护与动态安全监控教育部重点实验室	11	220	6.0	11.0