[发明专利]基于BP神经网络的配电网项目建设效果后评价方法

权利要求书

1.一种基于BP神经网络的配电网项目建设效果后评价方法，其特征在于；步骤如下：步骤S1，选取若干反映配电网项目建设效果现状的基层指标，并建立评价指标体系；

步骤S2，根据建立的评价指标体系，采集若干个相应的基层指标数据并进行数据预处理；

步骤S3，根据专家评分得到N_train个训练样本所对应的目标分值；

步骤S4，确定网络层数；

步骤S5，确定网络节点数；

步骤S6，确定传递函数；

步骤S7，选定训练方法；

步骤S8，建立BP人工神经网络后评价模型；

步骤S9，设置训练参数，并将步骤S2中的N_train个训练样本以及步骤S3中的目标分值输入到步骤S8的BP人工神经网络后评价模型中，依照步骤S7中的训练方法进行训练；

步骤S10，依据BP人工神经网络后评价模型的收敛速度和精度判断训练效果，若收敛速度快且精度高，则训练效果好，得到训练后的BP人工神经网络后评价模型，并进行下一步；反之，则改变隐含层节点数，重复步骤S8和步骤S9；

步骤S11，将步骤S2中的检验样本输入到训练后的BP人工神经网络后评价模型中，得到输出结果；

步骤S12，用postmnmx函数对步骤S11的输出结果进行反归一化处理得到配电网项目建设效果的评价结果，并与检验样本的目标结果相比较，观察拟合效果。

2.根据权利要求1所述的基于BP神经网络的配电网项目建设效果后评价方法，其特征在于；在步骤S2中，具体步骤如下：

步骤S2.1，采集与基层指标相对应的若干个数据作为数据样本，并将数据样本输入matlab软件的normrnd函数中进行样本扩充，生成N个符合正态分布的总样本，并从N个总样本中抽取N_train个训练样本，N_examine个检验样本和N_test个测试样本；其中，N_train≥n×70％，N_examine≥n×10％，N_test≥n×10％；

S2.2，归一化处理；

利用最大最小函数premnmx对步骤S2.1中的训练样本、检验样本和测试样本进行归一化预处理，将参数量化到[-1,1]内。

3.根据权利要求1所述的基于BP神经网络的配电网项目建设效果后评价方法，其特征在于；在步骤S4中，所述网络层数为3层，由一个输入层，一个隐含层和一个输出层构成。

4.根据权利要求1所述的基于BP神经网络的配电网项目建设效果后评价方法，其特征在于；在步骤S5中，所述网络节点数包括输入层节点数、隐含层节点数和输出层节点数；确定步骤具体如下：

步骤S5.1，确定输入层节点数n；

输入层节点数取决输入向量的维数；输入层的节点数n等于指标体系的指标数；

步骤S5.2，设定隐含层节点数L；

步骤S5.3，确定输出层节点数m；

输出层节点数为1。

5.根据权利要求1所述的基于BP神经网络的配电网项目建设效果后评价方法，其特征在于；在步骤S6中，从输入层到隐含层采用tansig函数，可以实现输入和输出间的任意非线性映射；从隐含层到输出层使用线性purlin函数。

6.根据权利要求1所述的基于BP神经网络的配电网项目建设效果后评价方法，其特征在于；在步骤S7中，所述训练方法为LM算法，LM算法的基本思想是使每次迭代不再沿着单一的负梯度方向，而是允许误差沿着恶化方向进行搜索，同时通过在自适应学习率—动量梯度下降算法和Gauss-Newton算法之间自适应调整来优化网络权值，使BP神经网络模型能够有效收敛，从而大大提高了BP神经网络模型的收敛速度和泛化能力。

7.根据权利要求1所述的基于BP神经网络的配电网项目建设效果后评价方法，其特征在于；在步骤S1中，评价指标体系包括一级指标和二级指标，所述一级指标包括供电质量、网络结构、供电能力和装配水平；所述供电质量的二级指标包括供电可靠率和综合电压合格率；所述网络结构的二级指标包括10Kv线路联络率、10Kv线路平均供电半径、10Kv线路平均分段数、10Kv线路N-1通过率和380V线路平均分段数；所述供电能力的二级指标包括10Kv线路重过载率和户均配变容量；所述装配水平的二级指标包括70mm以下导线截面占比、线路挂接配变容量和架空线路绝缘化率。