改进极限学习机应用于电网故障诊断

被引：7

作者：

夏威 ^{[1
]}

张麟 ^{[1
]}

袁秋实 ^{[2
]}

陈国新 ^{[1
]}

马松涛 ^{[2
]}

刘涌 ^{[2
]}

李皓岩 ^{[2
]}

机构：

[1] 国网上海浦东供电公司

[2] 上海博英信息科技有限公司

来源：

电网与清洁能源 | 2015年 / 31卷 / 04期

关键词：

改进极限学习机; 故障诊断; BP神经网络;

D O I：

暂无

中图分类号：

TM73 [电力系统的调度、管理、通信]; TP183 [人工神经网络与计算];

学科分类号：

摘要：

电网故障诊断中交叉数据模式识别问题占据重要位置,传统的人工智能方法处理效果不甚理想。提出运用改进极限学习机进行故障诊断的算法,随机选取输入权值向量和隐含层的偏差,并且利用最小二乘法分析计算输出权值,以达到提高故障诊断容错性的目的。仿真结果表明:在保护动作信息不完备的情况下,该算法的故障判断准确性明显优于BP神经网络,该算法对存在一定错误数据的故障信息也具有良好的识别能力。

引用

页码：15 / 19+24 +24

页数：6

共 8 条

[1] 一种基于BP神经网络的快速谐波分析算法研究
李德超
[J]. 电瓷避雷器, 2014, (06) : 67 - 71
[2] 基于BP神经网络的普通建筑雷灾风险评估
华晨辉
杨仲江
罗骕翾
路明
[J]. 电瓷避雷器, 2014, (05) : 60 - 65
[3] 基于ATP-EMTP的直流输电线路反击特性研究
高小刚
张自力
刘立刚
李智
吴瞳
[J]. 电瓷避雷器, 2014, (03) : 102 - 106
[4] 人工神经网络BP算法简介及应用
侯瑞
[J]. 科技信息, 2011, (03) : 75 - 75
[5] 基于量子神经网络的电网故障诊断算法
刘超
何正友
杨健维
[J]. 电网技术, 2008, (09) : 56 - 60
[6] 神经网络BP算法研究及其在工业检测中的应用[D]. 严太山.广西师范大学. 2001
[7] Extreme learning machine: Theory and applications[J] . Guang-Bin Huang,Qin-Yu Zhu,Chee-Kheong Siew. Neurocomputing . 2006 (1)
[8] Improvement of the backpropagation algorithm for training neural networks .2 J. Leonard,M.A. Kramer. Computers & Chemical Engineering . 1990

← 1 →