线性递减权重粒子群优化人工神经网络算法的光伏系统谐波检测

被引：5

作者：

马建伟

陈珊珊

机构：

[1] 河南科技大学

来源：

低压电器 | 2014年 / 04期

关键词：

人工神经网络; 粒子群优化算法; 谐波检测; 线性递减;

D O I：

暂无

中图分类号：

TM935 [频率、波形参数的测量及仪表];

学科分类号：

080402 [测试计量技术及仪器];

摘要：

提出了一种改进的人工神经网络(ANN)算法,利用线性递减权重粒子群优化算法(LDWPSO)来调节ANN各层的权重值,得到收敛最小时的权向量,计算谐波相角,实现对谐波的检测。仿真结果表明,线性递减权重粒子群人工神经网络算法(ANN-LDWPSO)具有高控制精度和快收敛速度,并能准确地检测电网谐波,从而验证了算法的可行性和实用性。

引用

收藏

页码：60 / 62+68 +68

页数：4

相关论文

共 9 条

[1]

基于改进的粒子群算法优化开关神经网络的木材表面缺陷识别 [J].

季伟东 ;

王克奇 ;

张建飞 ;

马宁 .

东北林业大学学报, 2012, 40 (12) :99-102

[2]

改进粒子群算法优化BP神经网络的短时交通流预测 [J].

李松 ;

刘力军 ;

翟曼 .

系统工程理论与实践, 2012, 32 (09) :2045-2049

[3]

粒子群优化算法惯量权重控制方法的研究 [J].

刘杨 ;

田学锋 ;

詹志辉 .

南京大学学报(自然科学版), 2011, 47 (04) :364-371

[4]

滤波器-神经网络的谐波检测方法 [J].

张谦 ;

王好娜 ;

付志红 ;

侯兴哲 ;

王勇 .

电力系统保护与控制, 2011, 39 (12) :42-47

[5]

神经网络与锁相环相结合的谐波检测方法 [J].

马立新 ;

肖川 ;

林家隽 ;

郑益文 .

电力系统及其自动化学报, 2011, 23 (03) :24-29

[6]

PSO-BP组合人工神经网络算法研究 [J].

高峰 .

山西大同大学学报(自然科学版), 2010, 26 (03) :66-69

[7]

基于粒子群优化神经网络的谐波检测 [J].

刘伟 ;

张龙水 ;

范金玉 .

大庆石油学院学报, 2010, 34 (01) :94-97+120

[8]

基于人工神经网络的电网谐波监测的方法 [J].

于静 ;

杨永明 ;

华宇 .

重庆大学学报(自然科学版), 2003, (11) :70-73

[9]

基于神经网络的电力系统谐波及间谐波检测分析 [D].

王莉 .

长沙理工大学,

2011