本文關鍵詞：基于云遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡的配電網(wǎng)故障定位　出處：《湖北工業(yè)大學》2016年碩士論文　論文類型：學位論文

  更多相關文章： 配電網(wǎng) 故障診斷 BP神經(jīng)網(wǎng)絡 云遺傳算法

【摘要】：當配電網(wǎng)中發(fā)生發(fā)生接地故障時,系統(tǒng)的電壓會大幅的降低,給社會生產(chǎn)和人們的生活帶來很大的影響。如何保障配電網(wǎng)的安全可靠,成為電力行業(yè)從業(yè)者必須要面對的課題。但是,隨著用電種類的增多,配電網(wǎng)的電壓等級不斷的升高,配電網(wǎng)的結構也越來越復雜。雖然國家電網(wǎng)公司已經(jīng)在加大投入成本進行電網(wǎng)的升級,但是由于線路的老化、人為的操作失誤或者自然災害等原因使配電網(wǎng)不發(fā)生故障是不可能的。因此,如何提高配電網(wǎng)故障診斷速率和效果一直是一個熱門的研究課題。本文對配電網(wǎng)故障診斷的方法進行了總結,發(fā)現(xiàn)在配電網(wǎng)故障診斷中應用較多的BP神經(jīng)網(wǎng)絡存在這樣的一些應用問題。BP神經(jīng)網(wǎng)絡雖然具有人工智能的優(yōu)點,一般能夠在進行充分的學習后能滿足故障診斷的需求。但是其在診斷過程中可能出現(xiàn)診斷速度不夠快,診斷準確性不能夠達到要求,同時還可能會陷入局部最優(yōu)解的情況。針對BP神經(jīng)網(wǎng)絡在配電網(wǎng)故障定位中存在的問題,本文中將用在全局搜索領域應用效果較好的遺傳算法與BP神經(jīng)網(wǎng)絡相結合,通過改變BP神經(jīng)網(wǎng)絡在建立模型時初始權值和閾值的方法來提高其效果。同時,在本文中對遺傳算法也進行了改進,在遺傳算法中引入能有效處理模糊信息的云理論,形成云遺傳算法,使得遺傳算法本身的效果也進行了改進提高。為了驗證改進后的BP神經(jīng)網(wǎng)絡算法的效果。本文首先將標準的BP神經(jīng)網(wǎng)絡應用在一簡單的配電網(wǎng)的系統(tǒng)中,通過matlab仿真軟件進行仿真,說明了其在配電網(wǎng)故障診斷中的有效性。同時再將通過云遺傳算法改進后的BP神經(jīng)網(wǎng)絡應用在同一配電網(wǎng)系統(tǒng)中,通過比較兩者的訓練曲線圖,以及最終診斷的實際輸出值,可以發(fā)現(xiàn)改進后的BP神經(jīng)網(wǎng)絡的診斷的速率要比標準的BP神經(jīng)網(wǎng)絡的速率要快很多。然后,本文再通過針對同一BP神經(jīng)網(wǎng)絡的模型,增加其學習樣本,再通過matlab仿真發(fā)現(xiàn),由于學習樣本數(shù)的增多,標準的BP神經(jīng)網(wǎng)絡的診斷效果要比改進后BP神經(jīng)網(wǎng)絡差很多。因此,可以得出通過云遺傳算法改進BP神經(jīng)網(wǎng)絡是很有效果的,是能夠提高BP神經(jīng)網(wǎng)絡在配電網(wǎng)故障診斷應用中的速度和精確度。
[Abstract]:When a ground fault occurs in the distribution network, the system voltage will be greatly reduced, will bring great influence to the social production and people's lives. How to ensure the safe and reliable distribution network, has become the power industry must face the topic. However, with the increase of electricity type, voltage level distribution network time the increase, the structure of the distribution network is becoming more and more complex. Although the national Power Grid Corp has increased investment in the cost of power upgrade, but due to the line of aging, causes of human errors in operation or natural disasters such as the distribution network fault does not occur is impossible. Therefore, how to improve the distribution network fault diagnosis rate and effect is always a hot research topic. This paper presents a method of fault diagnosis are summarized, found that BP neural network used in fault diagnosis of distribution network in the presence of such Although some application problems of.BP neural network has the advantages of artificial intelligence, generally can meet the needs of fault diagnosis in full after learning. But the possible diagnosis is fast enough in the process of diagnosis, the diagnostic accuracy can not meet the requirements, but also may fall into the local optimal solution. In view of the existing BP nerve network fault location in distribution networks, this paper will be used in the field of global search better application effect of genetic algorithm combined with BP neural network, to improve the effect of changing the initial weights of BP neural network in the model building and the threshold at the same time. In this paper, the genetic algorithm is improved. The introduction of cloud theory can effectively deal with the fuzzy information in the genetic algorithm, the formation of cloud genetic algorithm, the genetic algorithm itself were also improved. In order to verify the change BP neural network algorithm after effect. Firstly, BP neural network can be used in the standard system of distribution network is a simple, is simulated by MATLAB simulation software, shows its effectiveness in the fault diagnosis of distribution network. And then through the cloud genetic algorithm improved BP neural network is applied in the the same system in the distribution network, through the training curve to compare the actual output, and the final diagnosis value, can be found the rate of diagnosis of the modified BP neural network is much faster than the rate of the standard BP neural network. Then, this article through to the same BP neural network model, increase the the learning samples found by MATLAB simulation, due to the increase in the number of training samples, diagnostic efficacy of standard BP neural network is much worse than the improved BP neural network. Therefore, it can be improved by BP cloud genetic algorithm The neural network is very effective and can improve the speed and accuracy of BP neural network in the application of fault diagnosis in distribution network.

【學位授予單位】：湖北工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM711

【相似文獻】

相關期刊論文 前10條

1 王凡,孟立凡;關于使用神經(jīng)網(wǎng)絡推定操作者疲勞的研究[J];人類工效學;2004年03期

2 常國任;李仁松;沈醫(yī)文;劉鋼;;基于神經(jīng)網(wǎng)絡的直升機艦面系統(tǒng)效能評估[J];艦船電子工程;2007年03期

3 陳俊;;神經(jīng)網(wǎng)絡的應用與展望[J];佛山科學技術學院學報(自然科學版);2009年05期

4 許萬增;;神經(jīng)網(wǎng)絡的研究及其應用[J];國際技術經(jīng)濟研究學報;1990年01期

5 張軍華;神經(jīng)網(wǎng)絡技術及其在軍用系統(tǒng)中的應用[J];現(xiàn)代防御技術;1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡在預報控制中的應用[J];機床;1993年11期

7 靳蕃;神經(jīng)網(wǎng)絡及其在鐵道科技中應用的探討[J];鐵道學報;1993年02期

8 宋玉華，王啟霞;神經(jīng)網(wǎng)絡診斷──神經(jīng)網(wǎng)絡在自動化領域里的應用[J];中國儀器儀表;1994年03期

9 魏銘炎;國內(nèi)外神經(jīng)網(wǎng)絡技術的研究與應用概況[J];電機電器技術;1995年04期

10 王中賢，錢頌迪;神經(jīng)網(wǎng)絡法在經(jīng)濟管理中的應用[J];航天工業(yè)管理;1995年04期

相關會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

相關重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

相關博士學位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

相關碩士學位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：1420047