文献类型：期刊文章

作　　者：王慧慧[1,2] 王萍[1] 刘涛[3] 张博文[1]

WANG Huihui;WANG Ping;LIU Tao;ZHANG Bowen(School of Electrical and Information Engineering,Tianjin University,Nankai District,Tianjin 300072,China;School of Control and Mechanical Engineering,Tianjin Chengjian University,Xiqing District,Tianjin 300384,China;School of Electrical Engineering and Automatic,Tianjin Polytechnic University,Xiqing District,Tianjin 300387,China)

机构地区：[1]天津大学电气自动化与信息工程学院,天津市南开区300072 [2]天津城建大学控制与机械工程学院,天津市西青区300384 [3]天津工业大学电气工程与自动化学院,天津市西青区300387

出　　处：《电网技术》

基　　金：国家重点研发计划项目(2016YFB0900204);天津市高等学校基本科研业务费资助项目(2016CJ14)~~

年　　份：2018

卷　　号：42

期　　号：8

起止页码：2408-2415

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对电能质量扰动分类算法中径向基函数（radial basis function,RBF）神经网络隐层神经元的中心点数量、中心点位置、宽度、输出权值的设置问题,提出一种基于网络生长-修剪算法（GAP）的RBF神经网络电能质量扰动分类算法。首先,建立电能质量扰动模型,采用GAP算法实现对RBF神经网络的结构参数优化,设计相应的电能质量扰动分类算法流程图;其次,利用广义S变换、特征值提取、GAP-RBF神经网络对8种电能质量扰动进行处理。通过仿真分析,验证GAP-RBF神经网络对隐层神经元的参数优化能力,并给出优化算法的参数设定范围;仿真和实验结果表明,与同类算法相比,所提算法在保证分类准确度的前提下减少了隐层神经元的数量,且实现了RBF神经网络的参数自优化和继承式学习。

关 键 词：S变换 GAP-RBF神经网络  特征值提取 电能质量 扰动分类  

分 类 号：TM711]