基于改进PSO和DE优化神经网络的电能质量扰动分类 |
| |
引用本文: | 金梅,张伟亚,张淑清,张立国,颜庭鑫.基于改进PSO和DE优化神经网络的电能质量扰动分类[J].高技术通讯,2018(4). |
| |
作者姓名: | 金梅 张伟亚 张淑清 张立国 颜庭鑫 |
| |
作者单位: | 河北省测试计量技术与仪器重点实验室 |
| |
摘 要: | 针对电能质量问题提出了基于改进粒子群优化算法(PSO)和差分进化算法(DE)相结合优化神经网络的分类方法。首先用Matlab仿真几种典型的电能质量扰动信号,再利用小波变换进行多尺度的分解,得到各尺度的能量信息作为特征向量输入BP神经网络分类器中对扰动信号进行快速、准确的分类识别。并针对传统BP算法收敛耗时长速度慢,不能保证获得全局最优等缺点,在种群分类基础上提出了一种混合粒子群与差分进化算法的新型PSO-DE算法,并利用其对神经网络进行改进。这种混合PSO-DE算法在很大程度上能弥补BP神经网络的不足,采用该算法对网络进行优化后完成电能质量扰动信号的自动分类。
|
本文献已被 CNKI 等数据库收录! |
|