[发明专利]一种基于MEA-IElman神经网络的配电网可靠性评估方法

说明书

一种基于MEA‑IElman神经网络的配电网可靠性评估方法，该法先采用灰色关联分析法筛选出影响配电网可靠性的主要特征量，再采用主成分分析法对筛选出的主要特征量进行预处理，选出合适的主要特征量维数，在Elman神经网络的承接层中加入自反馈连接增益系数，通过思维进化算法优化相关参数，得到改进的Elman神经网络，然后将经过预处理的主要特征量作为训练集采用改进的Elman神经网络对配电网可靠性进行评估。本设计不仅能够简化分析计算，而且有效提高了神经网络的预测能力和精度。

技术领域

本发明属于配电网可靠性分析领域，具体涉及一种基于MEA-IElman神经网络的配电网可靠性评估方法。

背景技术

配电网虽然处于电力系统末端，但是对用户供电可靠性的影响非常大，据不完全统计，用户停电故障中80％以上是由配电系统故障引起的。供电可靠性的高低将直接影响到用户的生产和生活，供电中断不仅会直接影响供电部门的经济效益，而且会对用户造成巨大的经济损失和不良的社会影响。因此需要不断提高配电网的可靠性，来减少用户的损失，准确快速地进行配电网可靠性评估有着重要的意义。

传统的配电网可靠性评估方法以准确的配电网结构和可靠性历史数据为基础，通常适用于区域性或特定的小规模电网，但是在面对大规模电网的可靠性预测时往往会造成建模困难、计算量剧增的问题；而人工智能算法在模拟事物内在规律、确定输入输出间复杂的相互关系、处理不确定性参数问题等方面具有明显优势，其主要包括模糊控制理论法，贝叶斯网络法及人工神经网络法。

目前关于人工神经网络法的研究不少，文献“卫茹.低压配电系统用户供电可靠性评估及预测[D].上海交通大学，2012.”提出了基于人工神经网络算法的低压配电系统可靠性预测方法，以供电用户数和配电线路长度等作为计算参数，利用过去的供电用户可靠性统计指标结果和电网基本数据作为神经网络的训练样本，对系统未来的可靠性进行预测。文献“李莉、熊炜、龙燕等.基于动态模糊神经网络的配电网规划供电可靠性评估[J].贵州大学学报:自然科学版，2014，31(6):73-76.”提出了一种基于动态模糊神经网络的配电网规划供电可靠性评估方法，在选择与供电可靠性紧密相关的指标作为配电网规划供电可靠性评估指标的基础上，建立了动态模糊神经网络模型，并在学习过程中动态调整模糊规则和每个RBF单元的可容纳边界，既提高了模糊推理的精度，又能够有效收敛。然而上述可靠性评估方法要么采用传统的定性分析的手段筛选网络输入变量，要么在可靠性预测结果的精度上还有提升空间。

发明内容

本发明的目的是针对现有技术存在的可靠性预测结果的精度有待提升的问题，提供一种能够有效提高预测精度的基于MEA-IElman神经网络的配电网可靠性评估方法。

为实现以上目的，本发明的技术方案如下：

一种基于MEA-IElman神经网络的配电网可靠性评估方法，依次包括以下步骤：

步骤A、先采用灰色关联分析法从多个影响配电网可靠性的因素中筛选出主要因素作为主要特征量，再采用主成分分析法对筛选出的主要特征量进行预处理，选出合适的主要特征量维数；

步骤B、先将经过预处理的主要特征量作为训练集输入Elman神经网络，再确定Elman神经网络的拓扑结构、初始权值和阈值，随后训练Elman神经网络，以得到可靠性评估结果。

步骤B中，所述Elman神经网络的非线性状态空间表达式为：

x_c(k)＝x(k-1)+αx_c(k-1)，

x(k)＝f(w₁x_c(k)+w₂u(k-1)+b₁)，

y(k)＝g(w₃u(k)+b₂)。