基于量子行为粒子群优化-人工神经网络的电能质量扰动识别

• 作者: 杨耿煌 温渤婴
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 电能质量 量子行为粒子群优化 人工神经网络 神经网络训练
• 年，卷（期）: 2008,（10）
• 所属期刊栏目: 输配电及供电
• 页码范围: 123-129
• 页数: 7页
• 分类号: TM73
• 字数: 6168字
• 语种: 中文
• DOI: 10.3321/j.issn:0258-8013.2008.10.021

摘要

提出一种基于量子行为粒子群优化(quantum-behaved particle swarm optimization,QPSO)的改进算法,用于优化人工神经网络(artificial neural network,ANN),实现电能质量(power quality,PQ)扰动识别.采用2个神经子网络,分别用于事件型和变化型PQ扰动识别.PQ扰动信号的特征量通过信号的投影分析、动态测度计算、分形技术获取,作为2个子网络的输入量.改进的QPSO算法主要增加了学习因子、粒子聚集度和进化速度等参数,改进了QPSO算法的参数迭代更新过程,从而优化了神经子网络的训练结果.6种典型现场采集的PQ扰动数据识别结果表明,与加入动量因子的前馈式神经网络的训练方法相比,该算法具有更好的收敛性和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	温渤婴	中国农业大学信息与电气工程学院	42	308	9.0	16.0
2	杨耿煌	中国农业大学信息与电气工程学院	8	85	4.0	8.0