利用免疫遗传算法优化的神经网络计算配电网理论线损研究.pdfVIP

中国电机工程学会第十届青年学术会议 ·吉林 利用免疫遗传算法优化的神经网络计算配电网理论线损 赵丽娜 1 2 2 3 4 郭伟 刘越 商铁峰 刘婷 （1.东北电力大学电气工程学院 吉林 吉林 132012； 2.东北电力大学自动化工程学院 吉林 吉林 132012； 3.哈尔滨超高压局 黑龙江 哈尔滨 150000； 4.宁夏电力设计院 宁夏 银川 7560001） 摘要：本文提出了一种基于免疫遗传算法(IGA)的BP神经网络计算配电网的理论线损。该算法在遗传算法(GA)的基础上 引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差异及早熟现 象。实例计算结果表明,同混合遗传算法相比,该算法具有较快的收敛速度和较强的全局收敛性能，比现有其它计算配网线损 的方法更为准确。 关键词: 免疫遗传算法；人工神经网络；BP模型；配电网；理论线损 1 引言 随着人工神经网络的大量开创性应用,提出了应用神经网络计算配电网理论线损的方法。BP 神经网络具 有模糊性、鲁棒性和较强的容错能力,但是学习效率低、收敛速度慢、易限于局部最优值。 本文利用IGA优化的ANN, 应用IGA的全局寻优能力，多点并行搜索最优解，又引入了免疫记忆单元， 适当保留了种群中占优势地位的个体，当记忆细胞库中的优秀个体的变化率很小时，IGA进入了搜索平缓 期，这时用BP算法进行局部搜索。实例计算结果表明,该算法不仅克服了简单遗传算法容易出现未成熟收 敛，不能保持个体多样性的缺点，而且加强了局部搜索的能力。 2 基于免疫遗传算法的 BP 神经网络设计 免疫遗传算法是受生物免疫机制启发而形成的一种新型的遗传算法。IGA 模拟了生物免疫系统产生抗体 抵御外来入侵抗原的自适应能力,实现了入侵抗原识别、多样抗体生成、自我调节、免疫记忆等功能。将待 求解的问题看作抗原,将问题的解看作抗体,用抗原和抗体的亲和度描述可行解与最优解的逼近程度。 反向传播算法有很强的映射能力,适合解决这种非线性复杂问题。但因为采用梯度下降法,这就使该算法 易陷入局部极小、收敛速度慢、泛化性能差。 本文提出用免疫遗传算法代替传统 BP 神经网络的梯度下降法来优化其权值和阈值。可以保证种群的多 样性,全局搜索能力强,克服 BP 算法的不足。免疫遗传神经网络中,IGA 搜索所有进化代中使神经网络全局 误差最小的一组网络参数。待优化的神经网络参数包括输入层至隐层的权值、隐层至输出层的权值、隐层 各神经元节点的阈值以及输出层各神经元节点的阈值。免疫遗传算法优化 BP 神经网络的流程图如图 1 所 示。步骤如下: 图1 免疫遗传神经网络工作流程图 (1)抗原的接收 网络优化的目标函数应使样本集的总误差最小把其作为算法的抗原具体定义如下: 1 N 2 min E ∑(y k =−y k ) (1) 2 k 1 - 2088 - 中国电机工程学会第十届青年学术会议 ·吉林 式中,N 为样本总数; y k 为实际网络输出值; y k 为网络期望输出值。 (2)产生初始抗体,即初始权值和阈值 通常的初始权值随机化方法都是在区间(-1,1)之间取均匀分布的随机数的函数,该方法对复杂的非线性系 统,计算效率较低。较多计算表明,Nguyen