基于生长-修剪优化RBF神经网络的电能质量扰动分类

作     者：王慧慧 王萍 刘涛 张博文 WANG Huihui;WANG Ping;LIU Tao;ZHANG Bowen

作者机构：天津大学电气自动化与信息工程学院天津市南开区300072 天津城建大学控制与机械工程学院天津市西青区300384 天津工业大学电气工程与自动化学院天津市西青区300387 

基　　金：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)~~ 

出 版 物：《电网技术》 (Power System Technology)

年 卷 期：2018年第42卷第8期

页      码：2408-2415页

摘      要：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。

主 题 词：S变换 GAP-RBF神经网络 特征值提取 电能质量 扰动分类 

学科分类：0808[工学-自动化类] 080802[080802] 0809[工学-计算机类] 08[工学] 0807[工学-电子信息类] 0802[工学-机械学] 0801[工学-力学类] 

核心收录：

D　O　I：10.13335/j.1000-3673.pst.2017.0663

馆 藏 号：203306466...