随着社会对电力系统的依赖与日增长,对地网腐蚀安全的研究越来越引发关注。地网腐蚀测量的原始数据大部分是离散分布的,难以用传统方法准确对地网未来的腐蚀走向进行预测,因此提出使用灰色神经网络法来分析变电站接地网检测试验的原始...随着社会对电力系统的依赖与日增长,对地网腐蚀安全的研究越来越引发关注。地网腐蚀测量的原始数据大部分是离散分布的,难以用传统方法准确对地网未来的腐蚀走向进行预测,因此提出使用灰色神经网络法来分析变电站接地网检测试验的原始数据。通过分析影响接地网腐蚀的主要因素,对相关测量的原始数据进行预处理,建立灰色神经网络模型,最后以某110 k V变电站的相关数据为例,通过灰色神经网络建模进行初步预测,然后利用遗传算法对原始网络进行初始权值与阈值优化,最后将MATLAB计算数据平均误差进行对比的步骤,实现对25℃实验环境下原始数据的分析处理。实验结果表明,在灰色神经网络算法下平均误差为13.42%,优化后,遗传优化算法其平均误差值为6.31%,验证了优化灰色神经网络法能够试验对地网随时间腐蚀的可靠预测。展开更多
文摘随着社会对电力系统的依赖与日增长,对地网腐蚀安全的研究越来越引发关注。地网腐蚀测量的原始数据大部分是离散分布的,难以用传统方法准确对地网未来的腐蚀走向进行预测,因此提出使用灰色神经网络法来分析变电站接地网检测试验的原始数据。通过分析影响接地网腐蚀的主要因素,对相关测量的原始数据进行预处理,建立灰色神经网络模型,最后以某110 k V变电站的相关数据为例,通过灰色神经网络建模进行初步预测,然后利用遗传算法对原始网络进行初始权值与阈值优化,最后将MATLAB计算数据平均误差进行对比的步骤,实现对25℃实验环境下原始数据的分析处理。实验结果表明,在灰色神经网络算法下平均误差为13.42%,优化后,遗传优化算法其平均误差值为6.31%,验证了优化灰色神经网络法能够试验对地网随时间腐蚀的可靠预测。
