基于改進粒子群優(yōu)化的RS-ANN的配電網故障診斷.pdf

1、由于我國電網規(guī)模的不斷擴大,配電網中可靠性和供電質量變得尤為重要。當電網發(fā)生故障時,終端設備將采集到各種故障信息,這些海量的數據信息涌入調度中心,不可避免的存在小確定性或不準確性,無疑會對電網故障的判定帶來影響。由于現有的判定方法在精確度方而存在不足,為此,本文將粗糙集理論、粒子群優(yōu)化人工神經網絡技術相互結合,組成智能混合算法對配電網進行故障診斷。
　　本文首先以一個簡單的配電網為例,采用基于遺傳算法的粗糙集屬性約簡算法對故障診斷

2、決策表進行數據約簡,降低數據的復雜度;然后將約簡前和約簡后的數據分別輸入到BP網絡中進行故障滲斷,驗證了約簡前后知識沒有改變,且提高了網絡訓練速度;其次,以一個三母線配電網網絡為例,并提l了一種基于正切函數的非線性慣性權重策略(TANW)的改進粒子群優(yōu)化算法,對BP網絡的連接權值和閾值進行優(yōu)化訓練,形成改進粒子群優(yōu)化的粗糙集一神經網絡模型結構。最后,將測試數據輸入到訓練好的模型中進行故障診斷。為了進一步驗證該算法的有效性,將約簡后的數據