基于极限学习机的配电网重构

摘要：

为使配电网重构有功功率损耗最小,提出一种基于极限学习机的神经网络重构模型来反映配电网负荷模式与开关状态之间的非线性关系.将配电网负荷模式作为输入、网损最小时的开关状态作为输出,利用所提模型网络结构简单、学习速度快的优势进行配电网重构.引入统计学习理论中的结构风险最小化准则来改进基于经验风险最小化的极限学习机,使经验风险和置信范围最小,从而使实际风险最小,减小期望误差.通过2个典型算例对配电网重构进行仿真研究,并对基于支持向量机、BP神经网络和基于经验风险最小化的极限学习机重构模型进行比较,结果表明所提模型在保持学习速度快的同时,泛化性能更高.

关键词：配电网重构、最小化网损、极限学习机、结构风险、经验风险、模型、配电、风险

所属期刊栏目：33

分类号：TM727(输配电工程、电力网及电力系统)

资助基金：江苏省自然科学基金资助项目SBK201122790

在线出版日期：2013-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：47-51,56