基于改進粒子群優(yōu)化的RS-ANN的配電網(wǎng)故障診斷.pdf

1、由于我國電網(wǎng)規(guī)模的不斷擴大,配電網(wǎng)中可靠性和供電質(zhì)量變得尤為重要。當電網(wǎng)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(shù)據(jù)信息涌入調(diào)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(wǎng)故障的判定帶來影響。由于現(xiàn)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(jīng)網(wǎng)絡技術(shù)相互結(jié)合,組成智能混合算法對配電網(wǎng)進行故障診斷。
　　本文首先以一個簡單的配電網(wǎng)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(shù)據(jù)約簡,降低數(shù)據(jù)的復雜度;然后將約簡前和約簡后的數(shù)據(jù)分別輸入到BP網(wǎng)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(wǎng)絡訓練速度;其次,以一個三母線配電網(wǎng)網(wǎng)絡為例,并提l了一種基于正切函數(shù)的非線性慣性權(quán)重策略(TANW)的改進粒子群優(yōu)化算法,對BP網(wǎng)絡的連接權(quán)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(jīng)網(wǎng)絡模型結(jié)構(gòu)。最后,將測試數(shù)據(jù)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(shù)據(jù)