基于深度置信网络的低压台区理论线损计算方法

TM74; 针对因线路分布复杂、终端数目庞大等带来的低压台区理论线损计算困难的问题,提出一种基于深度置信网络(DBN)的低压台区理论线损计算新方法.在训练过程中,先利用贪婪算法对DBN模型中的神经网络层进行逐层无监督的预训练,再对该模型进行有监督的全局微调.为了提高计算精度,采用自适应时刻估计(Adam)优化器.以某地区实测2 140个台区数据为样本进行仿真计算,结果表明,相较于浅层神经网络,DBN线损计算模型具有更好的泛化能力以及准确性和快速性,且Adam优化器在线损计算中相较于均方根反向传播(RMSProp)和随机梯度下降(SGD)算法具有优越性....

Full description

Saved in:
Bibliographic Details
Published in电力自动化设备 Vol. 40; no. 8; pp. 140 - 146
Main Authors 马丽叶, 刘建恒, 卢志刚, 王海云, 袁清芳, 杨莉萍
Format Journal Article
LanguageChinese
Published 燕山大学电力电子节能与传动控制河北省重点实验室,河北秦皇岛066004%国网北京市电力公司电力科学研究院,北京100075 10.08.2020
Subjects
自适应时刻估计
深度置信网络
贪婪逐层训练法
理论线损
低压台区
Online AccessGet full text
ISSN1006-6047
DOI10.16081/j.epae.202007036

Cover

More Information
Summary:TM74; 针对因线路分布复杂、终端数目庞大等带来的低压台区理论线损计算困难的问题,提出一种基于深度置信网络(DBN)的低压台区理论线损计算新方法.在训练过程中,先利用贪婪算法对DBN模型中的神经网络层进行逐层无监督的预训练,再对该模型进行有监督的全局微调.为了提高计算精度,采用自适应时刻估计(Adam)优化器.以某地区实测2 140个台区数据为样本进行仿真计算,结果表明,相较于浅层神经网络,DBN线损计算模型具有更好的泛化能力以及准确性和快速性,且Adam优化器在线损计算中相较于均方根反向传播(RMSProp)和随机梯度下降(SGD)算法具有优越性.
ISSN:1006-6047
DOI:10.16081/j.epae.202007036