| 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(中文),2018,28(4):291~298 |
| 基于改进PSO和DE优化神经网络的电能质量扰动分类 |
|
| |
| DOI： |
| 中文关键词: 改进粒子群优化算法（PSO）， 差分进化算法（DE）， 神经网络， 电能质量， 扰动分类 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 3454 |
| 全文下载次数: 1941 |
| 中文摘要: |
| 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。 |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
