[发明专利]一种深度学习下的配电网可靠性指标优化方法

摘要

本发明涉及一种深度学习下的配电网可靠性指标优化方法，包括步骤：1)采集样本数据，构建训练样本和测试样本；2)确定深度信念网络结构；3)将训练样本输入深度信念网络，对深度信念网络模型进行优化；4)将测试样本输入至优化后的深度信念网络模型，获取对应的配电网可靠性指标；5)确定临界值，将获取的配电网可靠性指标与已有精确结果进行比较，若相对误差大于或等于临界值，则调整网络层数和节点个数后，重复步骤3)～4)，若相对误差小于临界值，则完成深度学习下的配电网可靠性获取的优化。与现有技术相比，本发明具有能完整、科学、可靠的获取优化的深度学习下的配电网可靠性指标，且保证指标精确度、缩短计算时间等优点。

主权项

1.一种深度学习下的配电网可靠性指标优化方法，其特征在于，该方法包括下列步骤：1)采集样本数据，构建训练样本和测试样本；2)确定深度信念网络结构，包括设置网络层数、节点个数和初始状态参数；3)将训练样本输入深度信念网络，对深度信念网络模型进行优化；4)将测试样本输入至优化后的深度信念网络模型，获取对应的配电网可靠性指标；5)确定临界值，将步骤4)获取的配电网可靠性指标与已有精确结果进行比较，若相对误差大于或等于临界值，则调整网络层数和节点个数后，重复步骤3)～4)，若相对误差小于临界值，则完成深度学习下的配电网可靠性获取的优化。