遗传优化神经网络在小电流接地系统故障选线中

　　此输电系统中，L1～L4为电缆线路，L5～L10为架空线路。
　　对此网络进行学习训练。根据训练的实际情况，选取64个隐含节点，则依据上述原理，生成一个有4×10×64×2位的个体，然后依据遗传优化神经网络的算法原理，进行网络训练。在此实际网络中，例如，当L3馈线发生接地短路时，则神经网络的理想输出为[0 0 1 0 0 0 0 0 0 0]，神经网络的实际输出为yi（i=1,2,...,10)，为求取其适应度函数值，先求取方差，则其适应度函数取为f=100/S。可见，其适应度函数越高，方差越小，与标准选线结果也就越接近。
　　经过87次的训练，该网络训练完成。进行实际运算得到的结果表明，其判断准确率可达90％以上。

4 结论
　　与传统的选线方法（五次谐波分量法、零序导纳法）相比，此方法根据多个判据的综合判定，加上采用了遗传算法进行神经网络的优化，避免了神经网络容易陷入局部最小的问题，大大提高了接地选线的准确性。但随着馈电线路的增加及隐含层接点数目的增加，会大大加大算法的计算量，考虑到单相接地故障允许运行1～2小时，随着计算机速度的不断加快，此问题已不是很重要，故在现场运行中是可行的。