基于果蝇优化算法的GRNN电网故障诊断.pdf

《基于果蝇优化算法的GRNN电网故障诊断.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、38《电气开关》(2014．No．5)文章编号：1004—289X(2014)05—0038—04基于果蝇优化算法的GRNN电网故障诊断李宗辉，薛毓强(福州大学电气工程及其自动化学院，福建福州350108)摘要：提出基于果蝇优化算法的GRNN电网故障诊断模型，实现GRNN分布参数的优化选择。利用广义回归神经网络(GRNN)相比于其他人工神经网络在逼近能力、分类能力和学习速度上面的优势，建立基于GRNN神经网络的电网故障诊断模型。经分析及测试，该方法能够有效的提高运行人员故障处理效率，快速并准确的实现电网的故障诊断

2、。关键词：神经网络；专家系统；电网中图分类号：TM71文献标识码：BGRNNGridFaultDiagnosisofGRNNBasedonOptimizationAlgorithmofDrosophilaLIZong—hui，XUEYu—qiang(ElectricalEngineeringandAutomationCollege，FuzhouUniversity，Fuzhou350108，China)Abstract：Withtherapiddevelopmentofthegrid，peopleforthere

3、liabilityandsecurityofenergyputforwardhigherre—quirements．ThispaperpresentsoptimizationalgorithmbasedonGRNNDrosophilafaultdiagnosismodel，GRNNdistribu—tionparameterstoachievetheoptimalchoice．Usinggeneralizedregressionneuralnetwork(GRNN)comparedtootherartificia

4、lneuralnetworksinapproximationcapabilityclassificationabilityandlearningspeedoftheaboveadvantages，theestablishmentofthegridbasedonGRNNneuralnetworkfaultdiagnosismode1．Thepaperanalyzesandtesting，thismethodcaneffectivelyimprovetheeficiencyofoperatingpersonnelfa

5、ulthandling，fastandaccurateimplementationofnetworkfaultdiagnosis．Keywords：neuralnetwork；expeflsystem；powergrid的泛化和容错性能得到了各国研究专家学者的兴趣。1引言如文献[1—4]，将电网内所有设备作为节点接入网电网是电力系统中输送和分配电能的重要环节，络，而将故障状况作为输出。然而现实中电网规模庞因此电网的故障诊断是提高供电可靠性的一种重要手大，存在着多故障现象引起的组合爆炸问题，所以实用段。随着电子信息

6、技术的发展，监控和数据采集系统起来较为困难。尽管文献[5～6]则对文献[1—4]的(SCADA)的应用，使得操作人员能够在监控中心监控方法进行改进，提出了分区域诊断，然而仍然存在组合电力系统运行状况。然而SCADA系统所获得的监控爆炸的问题，并且诊断方法对拓扑结构有严格要求。信息是在复杂的环境因素的干扰下，上次的开关和保2广义回归神经网络护信息可能发生畸变，这给基于开关量和保护信息的电网故障诊断带来了困难。近几十年来，国内外的专广义回归神经网络(GRNN，GeneralizedRegeressio“家学者提出了许

7、多故障诊断的方法，而现阶段常用的NeuralNetwork)是由美国学者DonaldF．Specht在配电网故障诊断方法有：矩阵算法、人工神经网络、遗1991年提出的一种改进型的RBF神经网络模型。传算法、粗糙集理论、蚁群算法等。其中，人工神经网GRNN神经网络与RBF网络一样具有很强的非线性络以其优良的并行处理能力，良好的学习能力及不错映射能力、柔性网络结构以及高度的容错性和鲁棒性，《电气开关》(2014．No．5)39适用于解决非线性问题。GRNN网络在逼近能力和学(7)重复执行步骤(2)、(6)判断味道浓度

8、。习速度上较RBF网络有着更强的优势，网络最后收敛是否优于前一次迭代的味道浓度，直至找到令于样本量积聚较多的优化回归面，并且在样本数据较RMSE最小的SPEAD值。少噪音较大时，预测效果也较好。GRNN网络已经应4面向元件的GRNN网络诊断模型用与多个领域J，其由输入层、模式层、求和层、输出层组成。随着电力系统的不断发展，电网规模日益庞大复输入层神经元数目为样本中输入向量