共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
3.
4.
5.
为方便普查用户台区和相位信息,特别是解决跨台区用户信息识别难题,提出一种基于BP神经网络的智能台区用户信息识别方法并研制了该系统。系统由识别器和手持器两部分组成,通信方式采用电力载波通信技术,对于垮台区用户,依据系统和已识别用户之间的通信信号品质,选取隐藏层节点数为6的前向BP神经网络作为跨台区用户识别模型进行识别。MATLAB仿真和实际测试结果表明:该方法可有效解决跨台区通信串扰难题,能够智能识别用户台区和相位信息,同时具有识别准确性高、容差性能较好的优点,对提高台区用户信息识别准确性,减少工作量降低成本,具有重要意义。 相似文献
6.
含有可再生能源与需求响应资源(demand response resource,DRR)的配电网系统需要精确的状态估计,以进行实时控制和调度。配电网状态估计通常依赖于智能电表的测量,但测量设备的增加不仅对通信成本要求高,同时还会导致控制问题的高复杂性。针对这些问题,提出一种低压配电网所需智能电表实时数据的分析方法及其在状态估计中的应用。同时讨论了测量值组合的作用,以减轻状态估计问题中由于大量数据产生的计算压力。通过实验验证了方法的有效性。 相似文献
7.
8.
9.
为方便普查用户台区和相位信息,特别是解决跨台区用户信息识别难题,提出一种基于BP神经网络的智能台区用户信息识别方法并研制了该系统。系统由识别器和手持器两部分组成,通信方式采用电力载波通信技术,对于垮台区用户,依据系统和已识别用户之间的通信信号品质,选取隐藏层节点数为6的前向BP神经网络作为跨台区用户识别模型进行识别。MATLAB仿真和实际测试结果表明:该方法可有效解决跨台区通信串扰难题,能够智能识别用户台区和相位信息,同时具有识别准确性高、容差性能较好的优点,对提高台区用户信息识别准确性,减少工作量降低成本,具有重要意义。 相似文献
10.
基于改进PSO—BP算法的变压器故障诊断 总被引:4,自引:1,他引:4
提出一种利用改进粒子群算法和反向传播算法相结合的混合算法训练神经网络进行电力变压器故障诊断的方法.在改进的粒子群算法中考虑了邻居粒子中最优粒子信息,修正个体行动策略,增强粒子群的社会学习功能,保证全局搜索的有效性;引入随机粒子群机制,利用粒子群进化过程中的种群变异机制提高算法的寻优性能.变压器故障实例仿真和分析表明,该算法在收敛速度、计算精度和平均收敛性能方面都有较大改进,可有效诊断电力变压器故障. 相似文献
11.
12.
基于粒子群神经网络的细胞图像分割方法 总被引:11,自引:2,他引:9
为了更好地分割细胞图像,对传统的BP神经网络进行改进:首先将输入神经元设置为一个3×3窗口,以代替传统的单像素通道;其次采用一种基于信息熵的方法估计隐层神经元的个数;最后采用一种改进的PSO算法来保证网络权值收敛到最优。对血细胞和肠细胞的分割结果表明,本文方法得到的隐层神经元数大幅减少,误判率也优于BP与LM算法,耗时较BP算法少且近似接近LM算法。本文提出的估计隐层神经元的方法有效,且改进的PSO算法能够跳出误差函数局部极小点,收敛到全局最小点。 相似文献
13.
14.
居明宇 《国外电子测量技术》2020,(3):12-16
针对深度置信网络模型每层神经元个数难以确立的问题,提出利用粒子群寻优确立DBN网络每层节点数,利用Kmeans聚类来决定是否需要增加隐藏层的方法来确立DBN的网络结构。该算法根据粒子群寻优算法以最小化所有样本重构误差的平方和为目标函数来确定DBN每层神经元个数,以确定DBN的初步结构,为了验证DBN结构的有效性,利用DBN提取的数据特征来进行聚类测试,进一步根据聚类结果来修正DBN,以获得DBN的最佳结构,以红酒数据集进行分类实验,实验结果表明,与传统未经改进的深度置信网络进行对比,发现该方法确立的深度置信网络分类效果更优。 相似文献
15.
16.
提出一种混合粒子群算法,在局部邻近区域的粒子群算法中引入收缩因子和被动聚集,将最邻近聚类用于NRBF 神经网络的参数确定中,采用混合粒子群算法优化最近邻聚类的聚类半径,从而确定NRBF 神经网络的参数,提高了NRBF 神经网络的泛化能力。以美国PJM电力市场公布的2006年负荷与电价数据进行预测验证,证明了此方法所建立的模型的合理性和有效性。 相似文献
17.
18.
为了精确测量电力系统的非整数次谐波,提出一种基于粒子群与神经网络的混合算法。该算法通过FFT变换得出谐波个数和精度不高的谐波幅值、相位、谐波次数,然后初始化粒子群,再由粒子群优化算法训练神经网络,得出间谐波的各项参数。同时提出一种基于可变参数的神经元激发函数,使得谐波次数和权值一样参与调整,更有利于检测非整数次谐波。仿真实例表明,该算法能将频率相近的非整数次谐波分离,可快速、精确地获得非整数次谐波的各项参数。 相似文献
19.
针对感应电机模型参数时变性突出的问题,提出一种基于粒子群优化神经网络观测器感应电机定子电阻辨识方法。该方法首先通过构建一个含待辨识参数的非线性函数,然后根据神经网络的一致逼近任意非线性连续函数的性质,利用RBF神经网络逼近这个非线性函数,并在此基础上构造自适应观测器。采用伪降阶观测器结构,减少了参数辨识的计算时间;用粒子群优化算法对神经网络参数进行优化,提高了神经网络的收敛速度和逼近精确度。仿真和实验结果验证该方法鲁棒性强,动态性能好,具有较好的辨识效果。 相似文献
20.
针对典型 BP神经网络存在的缺陷而提出了一些有效的改进措施。通过采用改进的 BP神经网络来对控制规则样本采样的学习和训练,使网络记忆控制规则,以达到智能控制的目的。仿真和实验结果证明该方法具有优良的控制特性,满足伺服电机控制的需要。 相似文献