摘要:人工神经网络(ANN)具有的自适应、自学习、非线性重构等特点,使之成为解决电力系统负荷建模的有效途径。该文利用模糊理论对典型BP神经网络(TBP)的学习速度因子和权值惯性因子进行修正,采用自构形学习算法对网络拓扑2个方面进行改进,提出自适应神经网络(ABP)。结合现场试验和仿真数据,对TBP和ABP在负荷建模的速度和精度2方面进行了比较。同时,就负荷建模问题对自适应神经网络模型阶次和隐层神经元个数等因素进行了探讨。
关键词:负荷模型 自适应前馈网络 模糊理论 自构形学习锋法
单位:上海交通大学电气工程系; 上海市徐汇区200030; 清华大学电机系; 北京市海淀区100084
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社