用PSO算法训练神经网络抑制发电机局放随机脉冲干扰

随机脉冲干扰在局部放电在线监测的各类干扰中是最难抑制的，为此提出了一种基于粒子群优化（PSO）算法训练神经网络的随机脉冲干扰抑制算法。PSO算法的优势在于它能通过粒子间的相互作用而发现复杂搜索空间的最优区域。与传统反向传播（BP）算法相比，采用PSO算法来训练神经网络，可以有效地克服传统算法收敛速度慢、易陷于局部极小值等缺点，并且训练出的神经网络在泛化能力上也有很大的提高。大量实际数据的训练和分析结果表明，该算法在抑制局放随机脉冲干扰上是比较有效的。     

基于模拟退火优化粒子群算法的七电平逆变器特定消谐技术研究

针对粒子群算法(PSO)应用于多电平逆变器特定谐波消除脉冲宽度调制(SHEPWM)技术时容易陷入局部最优问题,引入模拟退火算法(SA)与PSO结合.利用SA的Metropolis准则对PSO解的迭代进行修正,在保证求解效率的基础上,有效提升了PSO的全局寻优能力.最后将模拟退火优化粒子群算法(SA-PSO)应用于级联H...     

基于PSO的模糊神经网络短期负荷预测

针对短期负荷预测的特点,提出基于粒子群(PSO)优化的模糊神经网络短期负荷预测模型。将PSO与模糊优选人工神经网络进行融合,在对模糊优选神经网络训练中采取PSO算法和梯度下降算法相结合的方法,充分发挥PSO全局寻优的能力和梯度下降局部细致搜索优势。对广西某地区进行短期负荷预测,并与实际值进行比较分析,结果表明这一模型应用于短期负荷预测能获得较高的预测精度,是一种行之有效的短期负荷预测方法。     

基于改进PSO-BP混合算法的电力变压器故障诊断

将改进的粒子群优化(PSO)算法与误差反向传播(BP)算法相结合构成混合算法训练人工神经网络。改进的PSO算法中,惯性权重从最大到最小线性减小,以平衡局部和全局搜索能力,并将类似“选择”的概念引入PSO算法,使该算法更好地协调全局和局部搜索能力,有利于更快寻找到全局最优点。该算法有效地解决了常规BP算法学习网络权值和阈值收敛速度慢、易陷入局部极小和GA算法独立训练神经网络速度缓慢等缺点。将该算法应用于变压器故障诊断,仿真结果表明了该算法具有较快的收敛速度和较高的计算精度,满足电力变压器故障诊断的要求。     

基于改进PSO优化模糊神经网络的配电网故障选线研究

针对小电流接地系统中单相接地故障选线这一未彻底解决的难题,提出一种基于改进粒子群算法(Particle Swarm Optimization,PSO)优化模糊神经网络(Fuzzy Neural Networks,FNN)的配电网故障选线方法:通过调整粒子群的适应度函数和自适应惯性权值,利用改进PSO先对网络初始参数、权值进行一次优化,后使用BP算法进行二次优化。讨论模糊神经网络、传统PSO优化的模糊神经网络及不同网络结构对网络性能的影响。研究结果表明改进PSO优化模糊神经网络的选线效果明显优于模糊神经网络和传统PSO优化模糊神经网络,能够快速、准确、可靠的选取故障线路。     

基于模拟退火改进粒子群混合算法的变压器故障诊断

针对传统的变压器故障诊断方法在实际应用中存在的一些不完善性和局限性,笔者将基于模拟退火思想的改进粒子群优化(SAPSO)算法和误差反向传播(BP)算法相结合构成的SAPSO-BP混合算法用于训练神经网络。该混合算法有效克服常规BP和PSO算法独立训练神经网络的缺陷,并应用于变压器溶解气体分析的智能故障诊断。实验诊断结果表明,SAPSO-BP混合算法的收敛速度快于BP及PSO-BP算法,并且具有较高的诊断准确率。     

基于粒子群优化算法的神经网络在配电网线损计算中的应用

提出了一种将粒子群优化算法(PSO)训练神经网络用于配电网线损计算的方法。该方法使用由PSO训练的BP模型来拟合影响线损的特征参数与线损之间的复杂关系。实例计算表明,与BP算法及BP与GA结合算法比较,该方法在提高误差精度的同时可以加快训练收敛的速度。     

基于混沌变异粒子群算法的PSS与SVC阻尼控制器协调优化设计

同步发电机的电力系统稳定器(PSS)与静止无功补偿器(SVC)中附加阻尼控制器相结合可以有效抑制系统低频振荡,从而提高电网的动态稳定性。为使阻尼控制器参数相互匹配,本文提出一种基于混沌变异粒子群优化(CMPSO)算法的PSS与SVC阻尼控制器的参数协调计算方法。该方法以传统粒子群优化(PSO)算法为基础,为避免种群陷入局部最优,算法迭代后期对粒子进行混沌变异操作,从而提高算法的全局搜索能力。综合考虑系统的超调量和响应速率,以阻尼比最大和特征根实部最小为目标函数,将多机电力系统中阻尼控制器参数设计问题转换为带有不等式约束的目标优化问题。在四机两区域系统上的仿真算例表明,CMPSO算法与传统PSO相比具有更好的全局寻优能力。PSS与SVC阻尼控制器的协调优化设计能够在不同的干扰下有效抑制低频振荡,增强电力系统的暂态稳定性,减少故障后的电压波动。     

基于粒子群优化算法的神经网络在配电网线损计算中的应用

提出了一种将粒子群优化算法(PSO)训练神经网络用于配电网线损计算的方法.该方法使用由PSO训练的BP模型来拟合影响线损的特征参数与线损之间的复杂关系.实例计算表明,与BP算法及BP与GA结合算法比较,该方法在提高误差精度的同时可以加快训练收敛的速度.     

基于特征构造和改进PSO算法的分布式光伏功率预测

分布式光伏由于其历史数据缺乏,光伏出力的预测精度不高,提出改进粒子群优化算法(PSO)+长短时记忆网络(LSTM)与注意力机制结合的神经网络模型。构造基于聚类算法的特征工程扩充数据集;给出局部最优判据改进粒子群算法并应用于模型的超参数优化,提升模型泛化性;采用注意力机制与LSTM相结合的架构进行短期功率预测。在澳大利亚公开数据集上的实验表明,新的特征工程与光伏出力具有相关性,预测精度相比传统LSTM模型精度提高17.4%,且改进PSO算法相比标准算法收敛性更好。     

基于模糊聚类的XLPE电缆随机脉冲干扰抑制方法研究

为去除XLPE电缆局部放电现场检测中的随机脉冲干扰,采用等效时频法提取脉冲特征,对特征进行自适应模糊聚类,以相位集中度为指标区分局放与随机干扰.对现场数据分析处理的结果表明,该方法能够有效去除信号中的随机脉冲干扰,为评估XLPE电缆的绝缘状态提供了较好的理论和实践依据.     

一种空间矢量的三相逆变器调制方法研究

针对三相逆变器提出了一种基于PID神经网络的空间矢量调制(SVPWM)方法。三相逆变器具有矢量的开关状态,其调制算法的实现非常复杂,在设计的方案中,摒弃传统的神经网络,采用PID神经网络用于SVPWM算法的快速实现,三层前馈PID神经网络以指令电压和角度作为输入信息,借助于一个简单的计时器和逻辑电路,产生三相12路对称脉宽调制波形。最后利用Matlab神经网络信息工具箱依据误差逆变算法使用实测数据对该系统进行了测试,结果证明,在全部线性调制区内,系统性能很好。     

一种基于混沌神经网络的测试生成算法

基于组合电路测试生成的Hopfield神经网络模型，提出了一种利用混沌神经网络的全局搜索能力进行测试生成的有效算法。该算法综合了随机性和确定性算法的优点，通过对有关参数的调节，使网络逐渐由混沌神经网络向Hopfield神经网络过渡。实验结果验证了该测试生成算法的有效性与相关性能。     

遗传算法在前向神经网络参数估计中的应用

人工神经网络在很多领域有着成功的应用,神经网络参数估计有许多训练算法,BP算法是前向多层神经网络的典型算法,但BP算法有时会陷入局部最小解,遗传算法是一种随机优化技术,它可以发现全局优解。本文介绍了遗传算法在前向多层神经网络参数估计中的应用,并对标准遗传算法进行了适当的改进。结合具体例子给出了算法实现的操作步骤和实验结果。实验数据表明采用遗传算法得到的神经网络参数是最优的,神经网络的性能优于基于BP算法的神经网络性能。     

基于风速预测和随机规划的含风电场电力系统动态经济调度

随着风力发电在电力系统中比重的持续增加,在电力系统经济调度中需要考虑风电场的影响;而并网风电场具有动态、随机、容量大等特点,传统的经济调度方法已不再适用。针对风电场出力的随机性,在风速预测的基础上,应用随机规划理论建立了考虑机组组合的含风电场电力系统动元网络和遗传算法的混合智能算法,提高了算法的收敛速度和搜索性能。以含风电场的IEEE30节点系统为算例验证了所提方法的可行性和有效性。     

基于灰色支持向量机的季节型负荷预测方法

季节型负荷具有增长性和波动性的二重趋势,并且呈现出复杂的非线性特征,同时又受到多种随机干扰因素的影响,难以用单一的预测模型做出准确的预测.提出一种基于粗糙集的灰色支持向量机预测系统,将该系统应用于季节型负荷预测中,与单一的GM(1,1)方法和BP神经网络法相比,得到了较高的预测精度.     

基于嵌入式的PSO-BP神经网络码率控制算法研究

在多变的4G移动网络信道中,针对嵌入式移动端视频传输时出现的网络拥塞现象,利用神经网络与码率控制算法相结合的方法,减轻或预防网络拥塞的发生。接收端产生RTCP包并解析出最能直接反映信道情况的延时、丢包和抖动3个信道参数,同时将其作为输入参数反馈给神经网络,将想要预测的码率值作为输出参数,X264编码器根据最佳预测码率更新编码速率。对BP神经网络和PSO-BP神经网络算法编码速率的预测结果进行了比较,说明优化过的码率控制算法的预测误差更小。为了贴近实际,NS2仿真通过添加不同干扰流的实验及分析得到预测性能和结果,该方法可以将反映视频质量的参数PSNR值控制在32~37之间,码率的预测误差控制在±60 kb/s左右。实验结果表明,该算法在拥塞情况下能够有效调整码率,实现流畅、清晰的视频传输。     

基于IA-BP神经网络的UWB室内定位系统

复杂的室内环境给定位系统带来非视距误差和多径干扰,消除或降低误差成为超宽带(UWB)室内定位研究的热点。提出一种基于IA-BP神经网络的UWB室内定位方法,将BP神经网络训练的误差值作为免疫算法计算亲和度的抗原,通过免疫算法寻得BP神经网络的最优权值和阈值,避免BP神经网络收敛速度较慢和容易陷入局部最优值的问题,达到定位误差较小的目的。仿真实验结果表明,IA-BP神经网络训练100个样本输出的最大归一化误差不超过0.02,以3个锚点构成的定位场景中,待定位节点的仿真输出轨迹与实际运动轨迹基本吻合。     

基于LSTM的智能电网链路质量置信区间预测

为了提升智能电网无线通信的鲁棒性以及链路预测精度,提出了一种基于长短时记忆网络的智能电网链路质量置信区间下限预测方法.文中分析了智能电网的通信需求和无线链路的特点,根据分析结果,采用小波去噪算法将信噪比时间序列分解为确定性部分和随机性部分,将确定性部分输入到两层长短时记忆神经网络进行预测.计算随机部分的方差时间序列,作为另一个两层长短时记忆神经网络的输入进行预测,分别预测确定性部分和随机部分的方差,计算置信区间边界.实验结果表明提出方法具有更好的鲁棒性以及预测精度.     

地铁直流电缆放电在线检测中干扰信号的研究

为解决地铁直流电缆电气接线的特殊性而导致其放电检测中存在的大量干扰信号,实验研究了整流装置产生的整流脉冲、机车启动制动产生的电流脉冲、随机性脉冲信号及其它电子设备产生的窄带信号等干扰信号的特征。研究表明,并联的被测电缆上均存在很好的整流脉冲干扰周期性和规律性;窄带干扰和机车反馈电流脉冲干扰幅值大但其频谱较低(<2MHz);随机脉冲干扰信号虽具有不确定性,但其重复率与电缆放电的重复率存在数量级差别。根据干扰信号特征提出了可行的抗干扰措施,为检测地铁直流电缆放电奠定了基础。