考虑小样本统计的BP神经网络配电系统可靠性预测方法

摘要：

传统服务于系统规划的可靠性分析方法,由于多基于逻辑推理或统计分析,需要以足量'故障—停电'事件匀质样本为建模保障,在面对配电系统结构动态变化以及稀少数据环境时,难以对指标进行精确估计.在此背景下,提出一种考虑小样本统计的BP神经网络配电系统可靠性指标预测方法.为保证神经网络训练样本的充足性,并保留小样本自身的统计规律,该文提出并比较Bootstrap和核密度拉丁超立方采样2种小样本增广技术,基于扩充后的样本对具有相同结构的神经网络模型进行参数训练,利用所得的神经网络对可靠性指标进行预测的精度作为选择合适扩充技术与神经网络结合的依据.通过预测用户年均停电时间的算例分析表明,利用Bootstrap小样本扩充技术和BP神经网络相结合的方法在小样本统计条件下具有更高的预测精度.

关键词：配电系统可靠性、BP神经网络、灵敏度分析、神经元链路、用户年均停电时间

所属期刊栏目：34

分类号：TM71(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金51507177国家电网公司总部科技项目JSFW0901KJ020202D1000220160000

在线出版日期：2019-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：40-46