结合RBM的MLP神经网络输变电工程量评估方法

为了解决输变电工程中工程量合理性的智能评估问题,该文提出一种结合RBM(玻尔兹曼机)的MLP(多层感知机)神经网络模型.该模型通过学习可信历史数据中影响因素和工程量的关系,具备了从影响因素预测工程量的能力;再通过对真实值与预测值之间差异的判断,自动评估目标工程量的合理性.为了能够让模型更好地从复杂的历史数据中学习,从而有效地提高MLP神经网络模型预测的精准度,文中引入玻尔兹曼机对历史数据进行无监督学习,提取可以表征原数据的新的抽象特征.仿真表明,该文方法能够有效推动输变电工程量的智能评估,解决目前专家人工评估中主观因素带来的问题.

基于隔离森林-MLP的输变电工程量智能评估方法

为了进行输变电工程中目标工程量的评估,提出基于隔离森林-MLP(多层感知机)的工程量智能评估方法。运用皮尔逊相关系数和置换特征重要性算法,对各工程量与相关技术类特征的关系进行了探究和特征筛选。在此基础上,提出一种基于隔离森林的数据合理性筛选方法,利用5年的历史数据训练基于MLP的神经网络预测模型,并在测试集上验证了利用所提方法进行工程量评估的准确性。算例仿真表明,所提特征筛选方法可以提升神经网络的评估精度,同时所提方法可以给出工程量合理性的粗估计与智能评估。该评估方法可用于自动化评估工程量合理性,促进电网基建数字化转型。