基于BP神经网络的城网供电可靠性预测方法探索（行业资料）.docVIP

基于BP神经网络的城网供电可靠性预测方法探索（行业资料） 文档信息 ： 文档作为关于“行业资料”中“毕业资料”的参考范文，为解决如何写好实用应用文、正确编写文案格式、内容素材摘取等相关工作提供支持。正文4764字，doc格式，可编辑。质优实惠，欢迎下载！ 目录 TOC \o 1-9 \h \z \u 目录 1 正文 2 文1：基于BP神经网络的城网供电可靠性预测方法探索 2 0.引言 2 1.传统城网供电可靠性预测基本阐述 2 2.基于BP神经网络的城网供电可靠性预测方法 3 2.1考虑相关影响因素的可靠性预测新方法 3 2.1.1概述 3 2.1.2研究中采用的ANN结构和算法 3 2.2基于ANN供电可靠性预测实例 4 3.结语 5 文2：基于BP神经网络的结构损伤诊断 5 1结构损伤诊断的特征参数 6 1.1固有频率 6 1.2振型特征 6 1.3刚度矩阵 6 1.4柔度矩阵 7 1.5模态应变能 7 2研究状况与展望 7 参考文摘引言： 9 原创性声明（模板） 9 正文 基于BP神经网络的城网供电可靠性预测方法探索（行业资料） 文1：基于BP神经网络的城网供电可靠性预测方法探索 0.引言 何谓城网供电可靠性？所谓城网供电可靠性指的是供电系统对用户连续供电的能力[1]。新时期以来，我国社会经济的发展飞快，社会生产和人们生活的用电量不断增加，再加上城市化进程的加快，城网供电的可靠性面临原来越严格的要求。如何提高城网供电的可靠性，保证社会生产和人们生活的用电需求，是供电企业必须面对，也必须解决的一道难题。将BP神经网络应用于城市供电可靠性预测的研究中，大量的实践证明能够提升预测的准确性，从而为供电企业及时提供更多可靠的信息，以此作出相应的判断，采取积极有效的应对手段。 1.传统城网供电可靠性预测基本阐述 从电力事业的发展现状来看，城网供电可靠性预测研究已经到了新的阶段，基于BP神经网络的城市供电可靠性预测已经得到了业内的广泛认可。但是传统的城网供电可靠性评估是电力事业发展过程中不能忽视的一部分。传统的供电可靠性评估方法是以准确的配电网结构和多年的元件可靠性历史数据为基础的，尽管这种模式能够为城网供电的可靠性提供更加充足的判定依据，但是随着城网配电网络的复杂程度不断提升，并且对配电网远期供电可靠性的要求越来越高，传统的供电可靠性评估方法已经无法再满足实际工作的要求，因而必须要有更为先进和科学的城网供电可靠性评估方法应用在城网供电可靠性的评估中。 2.基于BP神经网络的城网供电可靠性预测方法 2.1考虑相关影响因素的可靠性预测新方法 2.1.1概述 考虑相关影响因素的可靠性预测基本思想是找出影响可靠性指标的几个主要因素，例如最大负荷、用户数、架空主干线平均长度、线上平均分段开关台数等，将这些因素作为自变量，可靠性指标变化作为因变量，得出回归分析法的数学模型[2]。此模型可以是线性或非线性的，可以是一元（只有一个自变量）或多元的（有多个自变量）。回归系数则由历史数据求出。根据这些因素的未来数值即可推算出未来的可靠性指标。这种预测方法的精度很大程度上取决于相关因素的估计精度。 人工神经网络是人工智能技术的一种，ANN具有大规模分布式并行处理、非线性、自组织、自学习、联想记忆等优良特性，因此可以作为一种预测的先进手段。同时ANN还可以与模糊集合理论相结合构成模糊神经网络，可以对可靠性预测中出现的模糊信息加以处理。神经网络方法已经广泛应用于电力系统的负荷预测领域，特别是短期负荷预测。 基于ANN相关影响因素的可靠性预测方法具体步骤如下：（1）确定影响供电可靠性指标大小的主要因素（自变量）（2）建立非线性映射关系模型；（3）对ANN进行训练；（4）利用训练好的ANN对未来年的可靠性（因变量）进行预测[3] 2.1.2研究中采用的ANN结构和算法 采用多层感知器模型和BP（Back-Propagation）学习算法来进行供电可靠率预测。多层感知器是一种典型的前馈神经网络，一般由输入层、隐层和输出层组成，如图1所示。 BP神经网络具有良好的捕捉非线性规律的特性，当隐层的神经元足够多时，3层感知器模型可以实现任何非线性函数的逼近，即3层的BP网络可以完成任意的I维（输入层）到K维（输出层）的映射。由于神经网络结构对训练的效率和神经网络的推广能力至关重要，因此应慎重选择网络的输入矢量、隐层数及各隐层的神经元个数。在这里我们选择3层BP神经网络，由于输出是目标年供电可靠率指标，因此输出层神经元个数取为1，输入层神经元个数取决于输入的特征量数目。BP算法是训练人工神经网络的基本方法，其基本思想是最小二乘算法。它采用梯度搜索技术，