电网技术

2018, v.42;No.417(08) 2408-2415

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于生长-修剪优化RBF神经网络的电能质量扰动分类
Power Quality Disturbance Classification Based on Growing and Pruning Optimal RBF Neural Network

王慧慧;王萍;刘涛;张博文;

摘要(Abstract):

针对电能质量扰动分类算法中径向基函数(radial basis function,RBF)神经网络隐层神经元的中心点数量、中心点位置、宽度、输出权值的设置问题,提出一种基于网络生长-修剪算法(GAP)的RBF神经网络电能质量扰动分类算法。首先,建立电能质量扰动模型,采用GAP算法实现对RBF神经网络的结构参数优化,设计相应的电能质量扰动分类算法流程图;其次,利用广义S变换、特征值提取、GAP-RBF神经网络对8种电能质量扰动进行处理。通过仿真分析,验证GAP-RBF神经网络对隐层神经元的参数优化能力,并给出优化算法的参数设定范围;仿真和实验结果表明,与同类算法相比,所提算法在保证分类准确度的前提下减少了隐层神经元的数量,且实现了RBF神经网络的参数自优化和继承式学习。

关键词(KeyWords): S变换;GAP-RBF神经网络;特征值提取;电能质量;扰动分类

Abstract:

Keywords:

基金项目(Foundation): 国家重点研发计划项目(2016YFB0900204);; 天津市高等学校基本科研业务费资助项目(2016CJ14)~~

作者(Author): 王慧慧;王萍;刘涛;张博文;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享