[發明專利]一種基于改進BP神經網絡的配電網中工作量均衡派單方法

有效

• 申請號: 201711429412.7
• 申請日: 2017-12-26
• 公開（公告）號: CN108335228B
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 殷圣楠;丁杰;龔亞莉;呂占鵬;徐永昌;宣筱青;王祥浩;陶永晶;曾俊;張志華
• 申請（專利權）人: 南京海興電網技術有限公司;杭州海興電力科技股份有限公司;寧波恒力達科技有限公司
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06Q10/06;G06N3/08;G01R31/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 許丹丹

1.一種基于改進BP神經網絡的配電網中工作量均衡派單方法，其特征在于，包括以下步驟：

(1)BP神經網絡結構的確定；包括：

(11)根據需求構造一個三層BP神經網絡結構，其中輸入層為包括饋線數目、設備數目、停電范圍和時間的停電事件，輸出層為工單，所述工單包括班組名稱、車輛數和班組人員數的二維數組；

(12)以小時為單位將停電事件所需工作量和班組人員供給工作量進行量化處理；

(13)初始化BP神經網絡結構的權值和閾值；

(2)采用遺傳算法優化BP神經網絡的初始權值和閾值；

(3)BP神經網絡訓練；

(4)班組人員排列組合；

(5)BP神經網絡預測，輸出實際工單。

2.根據權利要求1所述的一種基于改進BP神經網絡的配電網中工作量均衡派單方法，其特征在于，所述步驟(12)具體為：根據輸入的停電事件中的饋線數、設備數和范圍判斷出停電事件所需的工作量，并根據時間判斷此停電事件和其他停電事件是否有時間上的重疊；

將班組人員在單位時間內可以修理的設備數或者饋線數，看成班組人員供給工作量，并將班組人員劃分為特高級工、高級工、中級工和初級工，人員在單位時間內的工作效率越高，則對應的級別越高；

輸出工單包括班組名稱、車輛數、特高級工數、高級工數、中級工數和初級工數。

3.根據權利要求1所述的一種基于改進BP神經網絡的配電網中工作量均衡派單方法，其特征在于，所述步驟(2)包括：

(21)采用遺傳算法優化步驟(1)中的BP神經網絡的初始權值和閾值；

(22)將遺傳算法得到的最優種群群體，進行解碼操作，得到BP神經網絡結構最優的初始權值和閾值。

4.根據權利要求3所述的一種基于改進BP神經網絡的配電網中工作量均衡派單方法，其特征在于，所述步驟(21)包括：

(21-1)用實數對BP神經網絡的各連接權值和閾值進行編碼操作；

(21-2)在編碼空間隨機生成一個初始群體，將初始群體和訓練樣本輸入遺傳算法，初始群體可以看作BP神經網絡結構的初始權值和閾值，即得到了一個BP神經網絡結構；定義λ為遺傳算法中種群的代數，令λ＝1，表示初始種群群體；

(21-3)遺傳算法優化BP神經網絡模型的初始權值和閾值

通過得到的BP神經網絡模型和訓練樣本訓練得到誤差值作為適應度函數值，個體適應度函數值F計算公式如下：

其中，n為網絡的輸出節點數目，y_i為第i個節點的期望輸出，o_i為第i個節點的工單輸出，k為系數；

(a)對第λ代種群群體進行選擇操作，本算法使用的是輪盤賭法，即為基于適應度比例的選擇方法，公式如下：

f_i＝k/F_i (2)；

其中，F_i表示的是個體i的適應度值，由于個體的適應度值是越小越好，因此，在個體選擇前，先將個體的適應度值取倒數；k為系數，f_i為中間值，是個體i適應度值倒數的k倍；P_i為個體i被選中的概率，P_i越大，個體i被選中的概率越大，z表示的是第λ代種群的數目；

(b)對步驟(a)選擇操作根據個體適應度函數值選出來的較初始群體更優的新種群群體進行交叉操作，本算法采用實數編碼，因此，交叉操作為實數交叉，個體中第k個染色體a_k和第l個染色體a_l在第j位的交叉操作如下：

其中，b為[0,1]之間的某個隨機數，a_kj就是染色體a_k的j位，實際上就是一個基因a_kj；a_lj就是染色體a_l的j位，實際上就是一個基因a_lj；

(c)對步驟(b)交叉操作后新產生的種群群體進行變異操作，選取個體第i個基因進行變異操作的方法如下：

f(g)＝r₂(1-g/G_max)² (6)；

其中，a_max為基因a_i的上界；a_min為基因a_i的下界；r₂為隨機數；g為當前迭代次數；G_max為最大進化次數；r為[0,1]之間的隨機數，f(g)是中間變量；

令，λ＝λ+1；

(d)對經過遺傳算法的選擇、交叉、變異后得到的新的第λ代群體中的個體適應度函數值進行監測評估，判斷新的第λ代群體是否滿足進化終止條件，如果不滿足，那么返回步驟(21-3)，直到滿足進化終止條件；如果滿足進化終止條件，則得到新的第λ代群體為最優的種群群體。