PSO优化BP神经网络的串联故障电弧识别方法

张扬; 刘艳丽

doi:10.13873/J.1000-9787(2016)07-0022-04

Chinese

您当前的位置：

首页 >

文章列表页 >

PSO优化BP神经网络的串联故障电弧识别方法

研究与探讨 | 更新时间：2025-09-11

- PSO优化BP神经网络的串联故障电弧识别方法
- Series fault arc identification method based on BP neural network optimized by PSO
- 传感器与微系统 2016年35卷第7期页码：22-25
- 作者机构：
  
  辽宁工程技术大学电气与控制工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（51277090）
- DOI：10.13873/J.1000-9787(2016)07-0022-04
  中图分类号： TM501.2;TP183
- 纸质出版：2016
- 稿件说明：
移动端阅览
[1]张扬,刘艳丽.PSO优化BP神经网络的串联故障电弧识别方法[J].传感器与微系统,2016,35(07):22-25.

ZHANG Yang, LIU Yan-li. Series fault arc identification method based on BP neural network optimized by PSO[J]. 2016, 35(7): 22-25.
[1]张扬,刘艳丽.PSO优化BP神经网络的串联故障电弧识别方法[J].传感器与微系统,2016,35(07):22-25. DOI： 10.13873/J.1000-9787(2016)07-0022-04.

ZHANG Yang, LIU Yan-li. Series fault arc identification method based on BP neural network optimized by PSO[J]. 2016, 35(7): 22-25. DOI： 10.13873/J.1000-9787(2016)07-0022-04.

摘要

运用db5小波对故障电弧信号进行4层分解

提取故障频段能量谱作为特征量

建立BP神经网络。用粒子群优化（PSO）算法优化BP神经网络

从而快速准确地对故障电弧特征量进行拟合

用训练后的神经网络对故障电弧进行预测

达到了较好的预测识别效果

验证了该串联型故障电弧识别方法的有效性。

Abstract

By means of db5 wavelet

fault arc signal is decomposed into four layers

energy spectrum fault frequency band is extracted as characteristic quantity

establish BP neural network. Optimize BP neural network by particle swarm optimization（ PSO） algorithm

so as to fastly and accurately fit fault arc characteristic quantity

fault arc is predicted by trained neural network

achieve good recognition effect

verify effectiveness of fault arc recognition method.

关键词

Keywords

references

基于改进粒子群算法的小波神经网络在变压器故障诊断中的应用 [J]. 程声烽,程小华,杨露. 电力系统保护与控制 . 2014(19)

基于改进的小波-BP神经网络的风速和风电功率预测 [J]. 肖迁,李文华,李志刚,刘金龙,刘会巧. 电力系统保护与控制 . 2014(15)

粒子群优化小波自适应阈值法用于局部放电去噪 [J]. 江天炎,李剑,杜林,王有元,杨丽君. 电工技术学报 . 2012(05)

基于PSO-BP神经网络的水焦浆管道压降预测 [J]. 马修元,段钰锋,刘猛,李华锋. 中国电机工程学报 . 2012(05)

浏览量

189

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进PSO算法的光伏发电系统MPPT控制策略

考虑障碍物避让的水下滑翔机局部路径规划方法

基于并行结构的多种群粒子群优化算法

有监督Kohonen网络的车型识别方法

Adaboost集成BP神经网络在火电厂SO₂浓度检测中的应用