基于遗传算法优化BP网络的箱式变电站故障预测策略

论文摘要

箱式变电站广泛应用在工商业及城镇输配电系统中,在电力系统中发挥着重要作用,对箱式变电站的故障诊断具有重要意义。通过对箱式变电站内部结构、工作原理的研究,对箱式变电站的故障及故障特征进行分析,提出一种运用遗传算法与BP网络相结合的故障诊断网络模型,对系统数据进行融合训练,并利用遗传算法全局搜索最优的特性对BP网络进行优化,避免BP算法在学习中陷入局部最优的弊端,使模型具有良好的收敛性和适应性。仿真结果表明,该网络具有良好的识别效果,在箱式变电站的故障预测中具有很好的应用前景。

论文目录

• 0 引 言
• 1 箱式变电站故障预测的神经网络模型
•   1.1 GA-BP网络结构设计
•   1.2 故障诊断模型的输入向量确定
•   1.3 故障诊断模型的输出向量确定
•   1.4 隐含层的确定
•   1.5 学习和训练样本的选取
• 2 遗传算法的实现
•   2.1 种群初始化
•   2.2 适应度函数
•   2.3 遗传算子
• 3 仿真试验
• 4 结 语

文章来源

类型: 期刊论文

作者: 王福忠,任吉利,刘薇

关键词: 箱式变电站,故障诊断,遗传算法,全局最优,网络

来源: 河南理工大学学报(自然科学版) 2019年05期

年度: 2019

分类: 工程科技Ⅰ辑,工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 河南理工大学电气工程与自动化学院,广州铁路职业技术学院

基金: 国家重点研发计划项目(2016YFC0600906),广东省教育科学“十二五”规划项目(2013JK244)

分类号: TM63;TP18

DOI: 10.16186/j.cnki.1673-9787.2019.5.13

页码: 93-98

总页数: 6

文件大小: 1020K

下载量: 483