基于改进PSO优化的RBF神经网络的特高压线损预测

• 作者: 余明琼 张伟 易本顺 杨建华 肖达强
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 特高压 线损 RBF神经网络 粒子群 预测
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 数据挖掘分析
• 页码范围: 85-91
• 页数: 7页
• 分类号: TM744.1|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2020.009.011

摘要

为了研究特高压线损与众多影响因素之间的关系,提出一种基于改进粒子群优化(particle swarm optimization,PSO)的径向基函数(radial basis function,RBF)神经网络模型,用于特高压线损的预测.首先,通过理论分析确定影响特高压线损的主要因素即电气和气象因素,从而确定特高压线损的特征指标体系;然后对特征指标体系建立RBF神经网络预测模型,采用惯性权重因子改进的PSO算法优化RBF神经网络的训练过程,保证RBF神经网络在训练时有足够全局寻优能力的同时具有较强的局部寻优能力;最后,基于一条特高压线路的历史运行数据进行仿真,并与其他预测方法的结果进行对比,验证本文所提方法的有效性和准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	易本顺		90	681	13.0	21.0
2	杨建华		4	119	3.0	4.0
3	张伟		135	830	15.0	22.0
4	肖达强		1	0	0.0	0.0
5	余明琼		1	0	0.0	0.0