电气自动化
電氣自動化
전기자동화
ELECTRICAL AUTOMATION
2012年
4期
59-61
,共3页
遗传算法%贝叶斯正则化%神经网络
遺傳算法%貝葉斯正則化%神經網絡
유전산법%패협사정칙화%신경망락
为了改善神经网络的电能质量扰动识别能力,提出了一种改进型神经网络.在分析了传统BP神经网络和遗传算法优化BP神经网络(GA-BP)的基础上,将遗传算法和贝叶斯正则化神经网络相结合,并采用小波包能量熵作为特征向量.改进后的神经网络能有效克服传统BP神经网络易陷入局部最小,GA-BP易出现过拟合现象且网络节点数偏多等缺点.在MATLAB平台上建立各种电能质量扰动信号的仿真模型,分别采用传统BP神经网络、GA-BP及改进型神经网络进行扰动识别对比.仿真结果表明,改进后的神经网络显著提高了识别正确率.
為瞭改善神經網絡的電能質量擾動識彆能力,提齣瞭一種改進型神經網絡.在分析瞭傳統BP神經網絡和遺傳算法優化BP神經網絡(GA-BP)的基礎上,將遺傳算法和貝葉斯正則化神經網絡相結閤,併採用小波包能量熵作為特徵嚮量.改進後的神經網絡能有效剋服傳統BP神經網絡易陷入跼部最小,GA-BP易齣現過擬閤現象且網絡節點數偏多等缺點.在MATLAB平檯上建立各種電能質量擾動信號的倣真模型,分彆採用傳統BP神經網絡、GA-BP及改進型神經網絡進行擾動識彆對比.倣真結果錶明,改進後的神經網絡顯著提高瞭識彆正確率.
위료개선신경망락적전능질량우동식별능력,제출료일충개진형신경망락.재분석료전통BP신경망락화유전산법우화BP신경망락(GA-BP)적기출상,장유전산법화패협사정칙화신경망락상결합,병채용소파포능량적작위특정향량.개진후적신경망락능유효극복전통BP신경망락역함입국부최소,GA-BP역출현과의합현상차망락절점수편다등결점.재MATLAB평태상건립각충전능질량우동신호적방진모형,분별채용전통BP신경망락、GA-BP급개진형신경망락진행우동식별대비.방진결과표명,개진후적신경망락현저제고료식별정학솔.
