重庆大学学报（自然科学版）
重慶大學學報（自然科學版）
중경대학학보（자연과학판）
JOURNAL OF CHONGQING UNIVERSITY(NATURAL SCIENCE EDITION)
2008年
5期
490-494
,共5页
神经网络%遗传算法%BP算法%谐波检测
神經網絡%遺傳算法%BP算法%諧波檢測
신경망락%유전산법%BP산법%해파검측
提出了将遗传算法与神经网络结合起来用于电力系统谐波幅值与相位测量的方法.根据电力系统谐波的特点,构造了用于谐波检测的神经网络模型,阐述了网络训练样本的形成方法.借助Matlab提供的遗传算法与神经网络算法工具箱,先用遗传算法对前馈神经网络进行全局训练,再用BP (back-propagation)算法进行精确训练.仿真结果验证了该方法的有效性和可靠性.通过与传统BP算法测量谐波的方法相比较,该方法具有训练速度快,不易陷入局部极值,测量精度高的优点.最后用未训练的样本检测训练好的神经网络,验证了该网络同时也具有较好的泛化能力.
提齣瞭將遺傳算法與神經網絡結閤起來用于電力繫統諧波幅值與相位測量的方法.根據電力繫統諧波的特點,構造瞭用于諧波檢測的神經網絡模型,闡述瞭網絡訓練樣本的形成方法.藉助Matlab提供的遺傳算法與神經網絡算法工具箱,先用遺傳算法對前饋神經網絡進行全跼訓練,再用BP (back-propagation)算法進行精確訓練.倣真結果驗證瞭該方法的有效性和可靠性.通過與傳統BP算法測量諧波的方法相比較,該方法具有訓練速度快,不易陷入跼部極值,測量精度高的優點.最後用未訓練的樣本檢測訓練好的神經網絡,驗證瞭該網絡同時也具有較好的汎化能力.
제출료장유전산법여신경망락결합기래용우전력계통해파폭치여상위측량적방법.근거전력계통해파적특점,구조료용우해파검측적신경망락모형,천술료망락훈련양본적형성방법.차조Matlab제공적유전산법여신경망락산법공구상,선용유전산법대전궤신경망락진행전국훈련,재용BP (back-propagation)산법진행정학훈련.방진결과험증료해방법적유효성화가고성.통과여전통BP산법측량해파적방법상비교,해방법구유훈련속도쾌,불역함입국부겁치,측량정도고적우점.최후용미훈련적양본검측훈련호적신경망락,험증료해망락동시야구유교호적범화능력.
