改进粒子BP神经网络在变电站噪声控制中的应用

摘要：

为了改善变电站噪声控制中已有自适应降噪滤波算法的自适应能力差、收敛速度慢等弊端,提出了一种新的基于粒子群优化(PSO)的误差反向传播神经网络(BPNN)智能滤波算法.该算法针对PSO算法易出现无法兼顾局部、全局搜索和群体多样性丢失等问题,采用以粒子“亲密”度为依据来自适应调整粒子惯性因子和变异率的改进策略;利用该改进粒子群优化(IPSO)算法取代梯度下降算法,实时优化BPNN的权、阈值,使噪声迅速降低,再用梯度下降算法对BPNN的权、闽值作进一步的精细优化,使噪声得到更大程度上的抑制.文中以某变电站变压器噪声信号为仿真声源,分别利用所提算法、PSO-BPNN算法及BPNN算法对该声源信号进行主动抑制,结果表明所提算法性能明显优于另外2种算法的性能,使变压器降噪系统性能得到较大的改善.

关键词：电力系统、变电站、噪声控制、误差反向传播神经网络、改进粒子群优化算法、粒子亲密度、惯性因子、自适应变异

所属期刊栏目：47

分类号：TM7(输配电工程、电力网及电力系统)

资助基金：State Grid Corporation Key Scientific and Technological Project 2011-0810-2251.国家电网公司重点科技项目2011-0810-2251

在线出版日期：2014-10-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：71-76