【目的】准确监控和预测配电网设备所处环境相对湿度的状态和变化趋势。【方法】通过分析影响相对湿度的相关因素,提出了一种权重调整(Weight of adjust,AW)和遗传算法(Genetic algorithms,GA)相结合的BP算法(AW-GA-BP算法),在此算法的...【目的】准确监控和预测配电网设备所处环境相对湿度的状态和变化趋势。【方法】通过分析影响相对湿度的相关因素,提出了一种权重调整(Weight of adjust,AW)和遗传算法(Genetic algorithms,GA)相结合的BP算法(AW-GA-BP算法),在此算法的基础上,建立了对配电网设备所处环境相对湿度变化的神经网络预测模型,并将此算法应用到项目组为云南省某供电局开发的配电网运行环境智能化监测系统上,利用该监测系统所采集到的数据,将不同采样试验数据分别作为训练样本和验证样本,对比研究了AW-GA-BP算法、GA-BP算法和标准BP算法的预测误差。【结果】基于AW-GABP算法预测得到的相对湿度百分误差平均值是4.28%,基于GA-BP算法预测得到的相对湿度百分误差平均值是8.87%,基于标准BP算法预测得到的百分误差平均值是14.64%。【结论】基于AW-GA-BP算法所建模型的相对湿度预测平均误差更小,为预测配电网设备所处环境相对湿度提供了一种更为准确的方法。展开更多
文摘【目的】准确监控和预测配电网设备所处环境相对湿度的状态和变化趋势。【方法】通过分析影响相对湿度的相关因素,提出了一种权重调整(Weight of adjust,AW)和遗传算法(Genetic algorithms,GA)相结合的BP算法(AW-GA-BP算法),在此算法的基础上,建立了对配电网设备所处环境相对湿度变化的神经网络预测模型,并将此算法应用到项目组为云南省某供电局开发的配电网运行环境智能化监测系统上,利用该监测系统所采集到的数据,将不同采样试验数据分别作为训练样本和验证样本,对比研究了AW-GA-BP算法、GA-BP算法和标准BP算法的预测误差。【结果】基于AW-GABP算法预测得到的相对湿度百分误差平均值是4.28%,基于GA-BP算法预测得到的相对湿度百分误差平均值是8.87%,基于标准BP算法预测得到的百分误差平均值是14.64%。【结论】基于AW-GA-BP算法所建模型的相对湿度预测平均误差更小,为预测配电网设备所处环境相对湿度提供了一种更为准确的方法。
