基于混合神经网络和遗传算法的故障诊断系统

被引：24

作者：

毕天姝

倪以信

吴复立

周萃莘

机构：

[1] 华北电力大学,香港大学,香港大学,黑龙江省齐齐哈尔市供电局北京,香港,香港,黑龙江齐齐哈尔

来源：

现代电力 | 2005年 / 01期

基金：

教育部留学回国人员科研启动基金;

关键词：

电力系统; 故障诊断; 人工神经网络; 遗传算法; 优化;

D O I：

10.19725/j.cnki.1007-2322.2005.01.005

中图分类号：

TM76 [电力系统的自动化];

学科分类号：

080802 ;

摘要：

故障诊断对于事故后快速恢复具有重要意义。多种人工智能技术在其中得以应用, 然而快速、准确的故障诊断仍是一个悬而未决的难题, 尤其在保护和断路器不正常动作或多重故障的情况下, 故障诊断更为困难。提出了一种基于神经网络 (ANN) 和遗传算法 (GA) 的故障诊断方法, 它采用三层前向神经网络执行诊断功能, 双重 GA循环优化该神经网络的结构和连接权重。第一重 GA循环用于优化神经网络结构, 第二重 GA循环进一步优化神经网络的连接权重。两重 GA循环可以搜索确定用于故障诊断的最优神经网络。有关的数学模型和算法流程在文中作了详细介绍。以4-母线简单电力系统为例, 进行了计算机仿真计算。结果表明, 基于混合神经网络和遗传算法的故障诊断系统优于传统的BP神经网络, 可以较好地解决故障诊断问题。

引用

页码：31 / 36

页数：6