改进的基于遗传优化BP神经网络的电网故障诊断

被引:118
作者
袁圃
毛剑琳
向凤红
刘恋
张茂兴
机构
[1] 昆明理工大学信息工程与自动化学院
关键词
BP神经网络; 电网故障诊断; 隐含层; 遗传算法; 容错性;
D O I
暂无
中图分类号
TP183 [人工神经网络与计算]; TM732 [电力系统的运行];
学科分类号
120103 [信息系统与信息管理]; 140502 [人工智能];
摘要
BP神经网络具有良好的自学习、自适应和泛化能力,但运算过程中容易陷入局部极小值,同时隐含层节点数的选择也影响着诊断的效果。文中根据经验公式缩小隐含层节点数范围,在小范围里寻找最优的隐含层节点数。根据遗传算法具有全局寻优的特点,用遗传算法优化BP神经网络训练的初始权值阈值,可以避免BP神经网络陷入局部极小值的问题。结合两种方法对电网进行故障诊断,实例分析表明该方法可以准确有效地诊断出电网故障位置,提高电网故障诊断的容错性。
引用
收藏
页码:118 / 122
页数:5
相关论文
共 11 条
[1]
Genetic algorithms for modelling and optimisation [J].
McCall, J .
JOURNAL OF COMPUTATIONAL AND APPLIED MATHEMATICS, 2005, 184 (01) :205-222
[2]
含分布式发电配电网故障区间定位的新方法 [J].
吴磊 ;
廖秋萍 ;
吕林 ;
陈鹏 .
电力系统及其自动化学报, 2015, 27 (05) :92-96+102
[3]
电网故障诊断的智能方法综述 [J].
边莉 ;
边晨源 .
电力系统保护与控制, 2014, 42 (03) :146-153
[4]
电网故障诊断的研究历程及展望 [J].
张旭 ;
魏娟 ;
赵冬梅 ;
张东英 ;
刘燕华 .
电网技术, 2013, 37 (10) :2745-2753
[5]
BP神经网络隐层单元数确定方法 [J].
焦斌 ;
叶明星 .
上海电机学院学报, 2013, 16 (03) :113-116+124
[6]
基于自适应模糊神经网络的风速软测量 [J].
董海鹰 ;
魏占宏 ;
杨玺 ;
李晓青 .
电力系统及其自动化学报, 2013, 25 (01) :60-65
[7]
基于组合优化BP神经网络的模拟电路故障诊断 [J].
郭阳明 ;
冉从宝 ;
姬昕禹 ;
马捷中 .
西北工业大学学报, 2013, 31 (01) :44-48
[8]
BP神经网络隐层单元数的确定方法及实例 [J].
严鸿 ;
管燕萍 .
控制工程, 2009, 16(S2) (S2) :100-102
[9]
基于量子神经网络的电网故障诊断算法 [J].
刘超 ;
何正友 ;
杨健维 .
电网技术, 2008, (09) :56-60
[10]
电力系统故障诊断的研究现状与发展趋势 [J].
郭创新 ;
朱传柏 ;
曹一家 ;
吴欣 .
电力系统自动化, 2006, (08) :98-103