用PSO算法训练神经网络抑制发电机局放随机脉冲干扰

被引:12
作者
邵震宇
黄成军
肖燕
赵亚奎
江秀臣
机构
[1] 上海交通大学电气工程系,上海交通大学电气工程系,上海交通大学电气工程系,上海交通大学电气工程系,上海交通大学电气工程系上海市,上海市,上海市,上海市,上海市
关键词
局部放电; 随机脉冲干扰; 粒子群优化; 神经网络;
D O I
暂无
中图分类号
TM31 [发电机、大型发电机组(总论)];
学科分类号
080801 ;
摘要
随机脉冲干扰在局部放电在线监测的各类干扰中是最难抑制的,为此提出了一种基于粒子群优化(PSO)算法训练神经网络的随机脉冲干扰抑制算法。PSO算法的优势在于它能通过粒子间的相互作用而发现复杂搜索空间的最优区域。与传统反向传播(BP)算法相比,采用PSO算法来训练神经网络,可以有效地克服传统算法收敛速度慢、易陷于局部极小值等缺点,并且训练出的神经网络在泛化能力上也有很大的提高。大量实际数据的训练和分析结果表明,该算法在抑制局放随机脉冲干扰上是比较有效的。
引用
收藏
页码:49 / 52
页数:4
相关论文
共 5 条
[1]   基于扩展粒子群优化算法的同步发电机参数辨识 [J].
胡家声 ;
郭创新 ;
曹一家 .
电力系统自动化, 2004, (06) :35-40
[2]   基于门限值小波包变换抑制局部放电白噪干扰 [J].
毕为民 ;
孙才新 ;
姚陈果 ;
宋胜利 ;
唐炬 .
重庆大学学报(自然科学版), 2003, (06) :53-55
[3]   负荷模型参数辨识的粒子群优化法及其与基因算法比较 [J].
程颖 ;
鞠平 ;
吴峰 .
电力系统自动化, 2003, (11) :25-29
[4]   基于小波分解的自适应滤波算法在抑制局部放电窄带周期干扰中的应用 [J].
黄成军 ;
郁惟镛 .
中国电机工程学报, 2003, (01) :108-112
[5]   局部放电在线监测中周期性干扰的抑制 [J].
徐淑珍 ;
朱子述 ;
秦松林 ;
陈陈 .
高电压技术, 2001, (01) :32-34