基于改进PSO和DE优化神经网络的电能质量扰动分类

• 作者: 张伟亚 张淑清 张立国 金梅 颜庭鑫
• 来源期刊: 高技术通讯
• 关键词: 改进粒子群优化算法(PSO) 差分进化算法(DE) 神经网络 电能质量 扰动分类
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 计算机与通信技术
• 页码范围: 291-298
• 页数: 8页
• 字数: 3673字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2018.04.002

摘要

针对电能质量问题提出了基于改进粒子群优化算法(PSO)和差分进化算法(DE)相结合优化神经网络的分类方法.首先用Matlab仿真几种典型的电能质量扰动信号,再利用小波变换进行多尺度的分解,得到各尺度的能量信息作为特征向量输入BP神经网络分类器中对扰动信号进行快速、准确的分类识别.并针对传统BP算法收敛耗时长速度慢,不能保证获得全局最优等缺点,在种群分类基础上提出了一种混合粒子群与差分进化算法的新型PSO-DE算法,并利用其对神经网络进行改进.这种混合PSO-DE算法在很大程度上能弥补BP神经网络的不足,采用该算法对网络进行优化后完成电能质量扰动信号的自动分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金梅		1	3	1.0	1.0
2	张伟亚		1	3	1.0	1.0
3	张淑清		1	3	1.0	1.0
4	张立国		1	3	1.0	1.0
5	颜庭鑫		1	3	1.0	1.0