基于改进PSO和DE优化神经网络的电能质量扰动分类

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.

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

所属期刊栏目：28

资助基金：国家自然科学基金61077071;河北省自然科学基金F2016203496,F2015203413

在线出版日期：2018-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：291-298