共查询到10条相似文献,搜索用时 102 毫秒
1.
为提高广泛应用的电力电子电路故障的诊断准确率与速度,提出一种基于小波包变换和改进粒子群算法的电力电子电路故障诊断方法。首先,利用小波包对故障信号进行分解与重构得到小波包系数,应用Fisher准则降维并进行归一化处理,得到优化的故障特征向量;然后,采用具有扭曲粒子位置的措施和增加动态惯性权重系数的改进粒子群算法求取各类故障的故障特征中心,通过计算测试样本与故障特征中心的欧氏距离实现对故障的分类诊断;最后,通过典型电力电子电路仿真实验对所提出的方法进行实验验证。实验结果表明,文中选用改进后的粒子群算法进行故障诊断时,与小波包-BP神经网络和小波包-极限学习机比较,准确率分别提高了3.52%和6.3%,诊断所需时间分别减少2.4 s和3.5 s。 相似文献
2.
3.
《信息技术》2019,(3):79-82
谐波污染问题,众所周知是使用了很多的电力电子器件导致进一步加重,所以谐波治理就变得愈来愈紧要。而瞬时无功功率的检测方法不能满足目前谐波检测对其检测精度的要求,故文中提出一种用粒子群优化RBF神经网络权重的谐波检测方法来检测谐波。改善的方法措施是以瞬时无功功率检测的输入作为RBF神经网络的输入,其输出作为RBF神经网络的期望输出,使用MATLAB软件对RBF神经网络模型进行搭建并进行仿真分析。从实验结果可以得出:使用粒子群优化RBF神经网络权重的谐波检测方法,克服了RBF神经网络检测方法精度不足的欠缺,提高了RBF神经网络的收敛速度和谐波检测的精度。 相似文献
4.
5.
6.
7.
在人们科技水平快速发展的背景下,市面上各种新型电力电子产品不断问世。现代人对相应系统的各类品质需求随之拓展增加,导致电力电子电路故障诊断的智能化发展成为相关领域亟待解决的重要课题。因此,以该问题为导向,通过Matlab高效仿真计算机软件构建仿真模型,获得输出型电压ud,并用傅里叶分析方式提取基波幅值、直流分量、三次和二次波幅值等。将这些数据信息进行一体化处理分析,输入于BP神经网络整体结构中,获得拥有编码性质特征的6个基本数字,继而确立故障具体发生部位以及故障基本发生点位。同时,运用这个方式,将三相桥型整流电路作为仿真实验案例,具体测试误差能够降低至10-4。最终,通过该实验充分证明,此方式和其他传统诊断方式相比较,有着更加高效的诊断效率,并且能够在全面提升电力电子电路故障诊断效率的同时,提升诊断质量,是一项诊断水平高、稳定性强、可靠性高、应用范围广阔以及未来发展前景良好的电力电子电路诊断技术。 相似文献
8.
电力负荷预测的准确性对整个电力系统的安全和经济效能起着很大的作用,为提高短期电力负荷预测的准确性,提出一种改进的粒子群优化RBF神经网络的模型。针对PSO算法其迭代后期极易深陷部分最优,收敛准确度低,容易发散等问题,提出了PSO算法自身的特性结合Levy飞行机制算法的特点进行融合,在保障算法的寻优准确度的同时也保障了寻优的速度,从而实现全局最优。利用改进的粒子群算法优化RBF神经网络,再将训练好的RBF神经网络应用到电力负荷的预测中。将此模型应用到黑龙江省某地区短期电力负荷预测中,结果表明此种方法有效提高了预测精度。 相似文献
9.
为了提高汽轮机诊断系统的诊断速度与精度,提出了将量子粒子群算法和BP神经网络相结合的故障诊断方法。用量子粒子群算法来训练网络的权值和阈值,再将优化后的权值和阈值代入BP网络,进行故障诊断。实例证明,它是一种高效,可靠的诊断方法。 相似文献