10.16526/j.cnki.11-4762/tp.2016.08.012
改进的遗传优化BP-NN在变电站故障区域中的研究
BP神经网络(Back Propagation Neural Network,BP-NN)具有良好的自学习能力以及自适应和泛化能力,但运算过程中容易陷入局部极小值,同时隐含层节点数的选择也影响着诊断的效果;文中根据经验公式缩小隐层节点数范围,在小范围里寻找最优的隐层节点数;根据遗传算法(Genetic Algorithm,GA)具有全局寻优的特点,用遗传算法优化BP神经网络训练的初始权值阈值,可以避免BP神经网络陷入局部极小的问题;但是,传统遗传算法也有自身的缺点,其在全局寻优的过程中,易陷入“早熟”的问题;为了解决传统遗传算法“早熟”现象,文中提出了一种协同进化的遗传算法,即使用3个种群同时进化的遗传算法,协同进化遗传算法不但可以避免传统遗传算法的“早熟”问题,而且可以加强局部搜索提高运行效率;将协同进化遗传算法应用到BP神经网络中,仿真结果表明,该方法可以准确有效地诊断出变电站故障元件,提高变电站故障诊断过程中的容错性及效果.
BP神经网络、隐含层、遗传算法、协同进化、容错性
24
TP391(计算技术、计算机技术)
国网山西省电力公司科学技术项目晋电发展2015184号
2016-09-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
44-48