基于混合神经网络和遗传算法的故障诊断系统

• 作者: 倪以信 吴复立 周萃莘 毕天姝
• 来源期刊: 现代电力
• 学科: 工学
• 关键词: 电力系统 故障诊断 人工神经网络 遗传算法 优化
• 年，卷（期）: 2005,（1）
• 所属期刊栏目: 电气工程
• 页码范围: 31-36
• 页数: 6页
• 分类号: TM734
• 字数: 4416字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2322.2005.01.006

摘要

故障诊断对于事故后快速恢复具有重要意义.多种人工智能技术在其中得以应用,然而快速、准确的故障诊断仍是一个悬而未决的难题,尤其在保护和断路器不正常动作或多重故障的情况下,故障诊断更为困难.提出了一种基于神经网络(ANN)和遗传算法(GA)的故障诊断方法,它采用三层前向神经网络执行诊断功能,双重GA循环优化该神经网络的结构和连接权重.第一重GA循环用于优化神经网络结构,第二重GA循环进一步优化神经网络的连接权重.两重GA循环可以搜索确定用于故障诊断的最优神经网络.有关的数学模型和算法流程在文中作了详细介绍.以4-母线简单电力系统为例,进行了计算机仿真计算.结果表明,基于混合神经网络和遗传算法的故障诊断系统优于传统的BP神经网络,可以较好地解决故障诊断问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	倪以信		111	7310	49.0	83.0
2	吴复立		73	3715	34.0	60.0
3	毕天姝		109	1835	23.0	41.0
4	周萃莘		1	64	1.0	1.0