GA-BP神经网络在GIS典型缺陷局部放电识别中的应用

被引：7

作者：

吕启深 ^{[1
]}

吴磊 ^{[2
]}

梁基重 ^{[2
]}

杨益公 ^{[1
]}

机构：

[1] 深圳供电局

[2] 西安交通大学电气工程学院

来源：

电瓷避雷器 | 2011年 / 04期

关键词：

神经网络; 实数编码; 误差反向传播算法; 遗传算法;

D O I：

10.16188/j.isa.1003-8337.2011.04.003

中图分类号：

TM83 [高电压试验设备及测量技术]; TP18 [人工智能理论];

学科分类号：

080803 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

基于BP算法的神经网络和基于实数编码遗传算法的神经网络用于模式识别有其各自的优缺点。为此提出利用GA-BP混合算法神经网络,对GIS典型缺陷的局部放电进行模式识别。以超声局部放电探测仪对不同缺陷包括金属突出物、悬浮电位缺陷和绝缘子内部气泡引起的局部放电信号进行了测量,并从测量结果中提取PRPD谱图特征值作为训练样本和测试样本。研究结果表明:相比BP神经网络,GA-BP神经网络执行效率更高,识别效果更好,且克服了BP神经网络容易陷入局部最优的缺点;而相比GA神经网络,其运行时间短,适用于实际应用。

引用

页码：34 / 38+42 +42

页数：6

共 9 条

[1] 基于BP神经网络的油浸式变压器寿命预测 [J].