基于优化广义回归神经网络的变电站设备温度预测

• 作者: 孔雪卉 张慧芬
• 来源期刊: 中国电力
• 学科: 工学
• 关键词: 变电站 温度预测 优化的GRNN算法 K-近邻 平滑因子
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 电网
• 页码范围: 54-59
• 页数: 6页
• 分类号: TM771
• 字数: 4747字
• 语种: 中文
• DOI: 10.11930/j.issn.1004-9649.2016.07.054.06

摘要

变电站设备温度情况是反映设备是否正常运行的一个重要指标,对设备温度进行及时的预测能够保证电力系统高效、稳定运行.针对高压设备温度存在非线性、随机性等特点,应用广义回归神经网络(GRNN)对其进行预测.运用K-近邻思想和多轮投票机制确定最优平滑因子,对GRNN进行优化.结合某变电站的设备温度历史数据,以高压开关柜为例,划分训练样本和预测样本,建立了基于优化GRNN的高压开关柜温度预测模型.Matlab仿真实验表明:优化的GRNN预测结果优于BP神经网络的预测结果,在训练速度和预测精度上都有显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张慧芬	济南大学自动化与电气工程学院	49	1019	16.0	31.0
2	孔雪卉	济南大学自动化与电气工程学院	2	19	2.0	2.0