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

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

【摘要】：當(dāng)配電網(wǎng)中發(fā)生發(fā)生接地故障時(shí),系統(tǒng)的電壓會(huì)大幅的降低,給社會(huì)生產(chǎn)和人們的生活帶來(lái)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(duì)的課題。但是,隨著用電種類的增多,配電網(wǎng)的電壓等級(jí)不斷的升高,配電網(wǎng)的結(jié)構(gòu)也越來(lái)越復(fù)雜。雖然國(guó)家電網(wǎng)公司已經(jīng)在加大投入成本進(jìn)行電網(wǎng)的升級(jí),但是由于線路的老化、人為的操作失誤或者自然災(zāi)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(gè)熱門(mén)的研究課題。本文對(duì)配電網(wǎng)故障診斷的方法進(jìn)行了總結(jié),發(fā)現(xiàn)在配電網(wǎng)故障診斷中應(yīng)用較多的BP神經(jīng)網(wǎng)絡(luò)存在這樣的一些應(yīng)用問(wèn)題。BP神經(jīng)網(wǎng)絡(luò)雖然具有人工智能的優(yōu)點(diǎn),一般能夠在進(jìn)行充分的學(xué)習(xí)后能滿足故障診斷的需求。但是其在診斷過(guò)程中可能出現(xiàn)診斷速度不夠快,診斷準(zhǔn)確性不能夠達(dá)到要求,同時(shí)還可能會(huì)陷入局部最優(yōu)解的情況。針對(duì)BP神經(jīng)網(wǎng)絡(luò)在配電網(wǎng)故障定位中存在的問(wèn)題,本文中將用在全局搜索領(lǐng)域應(yīng)用效果較好的遺傳算法與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合,通過(guò)改變BP神經(jīng)網(wǎng)絡(luò)在建立模型時(shí)初始權(quán)值和閾值的方法來(lái)提高其效果。同時(shí),在本文中對(duì)遺傳算法也進(jìn)行了改進(jìn),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(jìn)行了改進(jìn)提高。為了驗(yàn)證改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)算法的效果。本文首先將標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)絡(luò)應(yīng)用在一簡(jiǎn)單的配電網(wǎng)的系統(tǒng)中,通過(guò)matlab仿真軟件進(jìn)行仿真,說(shuō)明了其在配電網(wǎng)故障診斷中的有效性。同時(shí)再將通過(guò)云遺傳算法改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)應(yīng)用在同一配電網(wǎng)系統(tǒng)中,通過(guò)比較兩者的訓(xùn)練曲線圖,以及最終診斷的實(shí)際輸出值,可以發(fā)現(xiàn)改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)的診斷的速率要比標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)絡(luò)的速率要快很多。然后,本文再通過(guò)針對(duì)同一BP神經(jīng)網(wǎng)絡(luò)的模型,增加其學(xué)習(xí)樣本,再通過(guò)matlab仿真發(fā)現(xiàn),由于學(xué)習(xí)樣本數(shù)的增多,標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)絡(luò)的診斷效果要比改進(jìn)后BP神經(jīng)網(wǎng)絡(luò)差很多。因此,可以得出通過(guò)云遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)是很有效果的,是能夠提高BP神經(jīng)網(wǎng)絡(luò)在配電網(wǎng)故障診斷應(yīng)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(xué)位授予單位】：湖北工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TM711

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

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

2 常國(guó)任;李仁松;沈醫(yī)文;劉鋼;;基于神經(jīng)網(wǎng)絡(luò)的直升機(jī)艦面系統(tǒng)效能評(píng)估[J];艦船電子工程;2007年03期

3 陳俊;;神經(jīng)網(wǎng)絡(luò)的應(yīng)用與展望[J];佛山科學(xué)技術(shù)學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年05期

4 許萬(wàn)增;;神經(jīng)網(wǎng)絡(luò)的研究及其應(yīng)用[J];國(guó)際技術(shù)經(jīng)濟(jì)研究學(xué)報(bào);1990年01期

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

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預(yù)報(bào)控制中的應(yīng)用[J];機(jī)床;1993年11期

7 靳蕃;神經(jīng)網(wǎng)絡(luò)及其在鐵道科技中應(yīng)用的探討[J];鐵道學(xué)報(bào);1993年02期

8 宋玉華，王啟霞;神經(jīng)網(wǎng)絡(luò)診斷──神經(jīng)網(wǎng)絡(luò)在自動(dòng)化領(lǐng)域里的應(yīng)用[J];中國(guó)儀器儀表;1994年03期

9 魏銘炎;國(guó)內(nèi)外神經(jīng)網(wǎng)絡(luò)技術(shù)的研究與應(yīng)用概況[J];電機(jī)電器技術(shù);1995年04期

10 王中賢，錢(qián)頌迪;神經(jīng)網(wǎng)絡(luò)法在經(jīng)濟(jì)管理中的應(yīng)用[J];航天工業(yè)管理;1995年04期

相關(guān)會(huì)議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹(shù)德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡(jiǎn)單規(guī)劃的識(shí)別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛(ài)克;馬盡文;丁康;;序言(二)[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國(guó)神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩(shī)武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評(píng)估中的應(yīng)用[A];第十二屆全國(guó)心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬(wàn)強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 美國(guó)明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國(guó)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(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國(guó)教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

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

4 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開(kāi)復(fù)雜工藝“黑箱”[N];解放日?qǐng)?bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日?qǐng)?bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國(guó)際先進(jìn)水平[N];中國(guó)電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過(guò)鑒定[N];中國(guó)船舶報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

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

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

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

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測(cè)方法研究[D];大連理工大學(xué);2015年

5 付愛(ài)民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國(guó)農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

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

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測(cè)算法研究[D];北京科技大學(xué);2016年

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

相關(guān)碩士學(xué)位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測(cè)的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測(cè)及控制研究[D];燕山大學(xué);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(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

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

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

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測(cè)研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

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

，

本文編號(hào)：1420047