一种基于RBF神经网络线损计算方法研究

张艳，许哲雄，罗成

(同济大学，上海 201804)

1 引言

在配电网中，由于其电压等级低、直接与用户连接、线路分布广、连接设备多等因素，使得系统存在较大的阻抗，导致电能在转换、输送、分配过程中不可避免地伴随着大量的线路损耗。随着国民经济的发展，用电负荷和用户不断增加，电力系统的网络结构也有所改变。配电网结构的改变、运行变化等使得电能分布不合理，电能质量严重下降同时电能损耗增大。因此准确地计算配电网的线损，并制定降低配电网线损的措施就具有非常重大的意义［1，2］。

人工神经网络［3］具有学习和容错的能力，其计算是并行的，有利于实现实时应用。在神经网络模型中应用最广泛的是BP模型，标准的BP模型使用梯度下降算法训练，但该学习算法收敛速度较慢［4］。

本文所使用径向基函数(RBF)神经网络具有任意函数逼近能力［5］。RBF网络由输入层、隐层、输出层三层组成，隐层节点中的基函数对输入信号局部产生响应，距离基函数中央越近，输出越大，从而使得RBF网络具有极强的局部逼近能力，其网络的学习时间远小于BP神经网络学习算法的训练时间。另外，RBF网络的隐藏神经元数目可以在参数优化过程中自动确定［6］。

本文针对配电网线损计算，详细叙述了基于径向基函数神经网络(RBF)算法的模型、工作原理，并且通过仿真验证了该方法的有效性。将其与分群算法相结合获得了很好的计算精度，提高了实用性。

2 径向基函数神经网络模型

径向基函数网络是一个三层前向型神经网络。……