Застосування нейронних мереж для розрахунків технічних втрат електроенергії в повітряних лініях електропередач напругою 6-35 кВ
EIR PSTU
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
Застосування нейронних мереж для розрахунків технічних втрат електроенергії в повітряних лініях електропередач напругою 6-35 кВ
Применение нейронных сетей для расчётов технических потерь электроенергии в воздушных линиях электропередач напряжением 6-35 кВ Application of neural networks for the calculation of technical losses of electric energy in air power lines 6-35 kV |
|
| Creator |
Бакулевський, В. Л.
Бакулевский, В. Л. Bakulevsky, V. L. |
|
| Description |
Бакулевський, В. Л. Застосування нейронних мереж для розрахунків технічних втрат електроенергії в повітряних лініях електропередач напругою 6-35 кВ / В. Л. Бакулевський // Вісник Приазовського державного технічного університету : зб. наукових праць / ПДТУ. – Маріуполь, 2015. – Вип. 30, Т. 2. – С. 152–160. – (Серія : Технічні науки).
Розроблена модель для розрахунків технічних втрат електроенергії в повітряних лініях електропередач напругою 6-35 кВ на базі нейронних мереж з урахуванням метеофакторів; розглянуті основні складові моделі; досліджені і обрані оптимальні: набір вхідних змінних, об’єми виборок (навчальної, контрольної та тестової), архітектура та функція активації мережі, запропонований алгоритм навчання мережі. Разработана модель для расчетов технических потерь электроэнергии в воздушных линиях электропередач напряжением 6-35 кВ на базе нейронных сетей с учетом метеофакторов; рассмотрены основные составляющие модели; исследованы и выбраны оптимальные: набор входных переменных, объемы выборок (учебной, контрольной и тестовой), архитектура и функция активации сети, предложен алгоритм обучения сети. A model for the calculation of technical losses of electricity in the air lines with voltage of 6-35 kV based on neural networks with due regard to meteorological factors has been worked out; the main components of the model have been considered and researched; the best ones being selected, that is: a set of input variables, volume of excerpts (training, control and testing), architecture and network activation function, network learning algorithm was proposed. Simulation was conducted in OS STATISTICA Neural Networks. Input variables are: transmission line (TL) active load, transmission line rated voltage, transmission line cross section and length of wire, average air temperature, wind speed, rainfall availability; output variable – that is technical losses in electric transmission line. To select the optimal input vector model the data selection methods were used: variables testing using trial and error method, variables stepped inclusion and exclusion algorithm. It has been proved that the most important variables are TL active load and average air temperature. all input variables under review should be included in the created artificial neural network (ANN). It was determined that the optimal volume for ANN training set given parameters made 250 observations, control and test excerpts volume were respectively 250 and 332 observations. It has been proved that the best type of architecture is multilayer perceptron ANN that being compared to radial basis functions and generalized regression network is characterized by minimal errors and complexity of the network. ANN of the following architecture: multilayer perceptron, 7 neurons in the input layer, 5 neurons in the hidden layer, 1 output neuron, logistics as activation function – has been taken optimal. |
|
| Date |
2015-12-03T07:42:22Z
2015-12-03T07:42:22Z 2015 |
|
| Type |
Article
|
|
| Identifier |
http://eir.pstu.edu/handle/123456789/7933
|
|
| Language |
uk
|
|