版权说明 操作指南
首页 > 成果 > 详情

GA 优化LVQ 网络的配电网接地故障选线方法

认领
导出
下载 Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
作者:
彭湃;周羽生;高云龙;刘让姣;安正洲;...
作者机构:
[彭湃; 周羽生; 高云龙; 刘让姣; 安正洲; 熊杰] 长沙理工大学电气与信息工程学院
语种:
中文
关键词:
配电网;遗传算法;学习量量化;小波分析;故障选线
关键词(英文):
genetic algorithm(GA);learn vector quantization(LVQ);wavelet analysis;fault line selection
期刊:
电力系统及其自动化学报
ISSN:
1003-8930
年:
2015
卷:
27
期:
12
页码:
64-69
机构署名:
本校为第一机构
院系归属:
电气与信息工程学院
摘要:
针对配电网故障相电压过零点且高阻接地故障选线困难的问题,文中提出了应用遗传算法优化学习量量化神经网络的配电网单相接地故障选线方法。首先利用小波分析方法提取线路零序电流信号的模极大值,以此作为学习量量化神经网络的输入向量,采用局部搜索算子改进的遗传算法去优化神经网络的初始权值向量,解决了网络对初始权值的敏感性问题。加速网络的收敛过程,提高网络的聚类精度,实现对不同故障类型进行故障线路的快速、准确识别。仿真结果表明,该方法有效地减少了传统学习量量化神经网络选线的误判几率,提高了选线速度和精确度。
摘要(英文):
In order to solve the problem of crossing-zero faulty phase voltage and fault line selection difficulty in distribution network with high resistance ground,a single-phase ground fault line selection method based on learn vector quantization(LVQ)neural network optimized by genetic algorithm(GA)is proposed. Firstly,the modulus maxima of line zero sequence current signals is extracted by wavelet analysis method,which is considered as the input vector of LVQ. On the basis of the improved GA with local search operator to optimize the initial wei...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com