张艳，徐卫锋

(国网上海市电力公司市南供电公司，上海 200233)

1 引言

近年来，国民经济飞速发展，电力用户和用电负荷大量增加，对电网的经济运行提出了越来越高的要求。而电能在转换以及输、配送过程中会产生大量损耗，配网中输送电压低、线路分布广、分支多、神经元多、电气设备种类多、结构复杂等使得精确计算理论线损十分不易[1-3]。

人工神经网络是一种通过模拟人类大脑神经系统对复杂信息进行处理的数学模型，能够自适应学习，具有高度的非线性，在复杂的逻辑操作和非线性关系实现中具有良好的表现[4-5]。

针对配网线损理论计算困难问题，本文提出了一种基于RBF神经网络算法的BP复合型神经网络算法。在Matlab平台分别对该复合型算法以及单纯的BP神经网络算法进行仿真，对优化线路数量进行了统计，并对两种方法计算结果的误差进行了对比，验证了该方法的有效性和优化能力。

2 RBF神经网络

RBF神经网络为径向基函数神经网络，是一种以函数逼近理论为基础的正馈网络，在隐含层神经元足够多的情况下，能无限逼近任意连续函数，其局部逼近、分类与模式识别能力都非常优越，且算法的学习训练时间很短[6]。

典型的RBF神经网络由输入层、隐含层、输出层三层结构组。从输入层到隐含层是非线性变换的，而从隐含层到输出层是线性变换的。这两种变换参数学习可以分开进行，从而学习速度快，并且不会出现局部极小问题。

RBF神经网络中输入与输出之间可表示为一种映射关系f(x)：Rn→Ro，即：