基于多输出衰减径向基函数神经网络的电网故障诊断.pdf

基于多输出衰减径向基函数神经网络的电网故障诊断.pdf

ID:52479271

大小:471.29 KB

页数:8页

时间:2020-03-28

基于多输出衰减径向基函数神经网络的电网故障诊断.pdf_第1页
基于多输出衰减径向基函数神经网络的电网故障诊断.pdf_第2页
基于多输出衰减径向基函数神经网络的电网故障诊断.pdf_第3页
基于多输出衰减径向基函数神经网络的电网故障诊断.pdf_第4页
基于多输出衰减径向基函数神经网络的电网故障诊断.pdf_第5页
资源描述:

《基于多输出衰减径向基函数神经网络的电网故障诊断.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第41卷第21期电力系统保护与控制Vl01.41NO.212013年11月1日PowerSystemProtectionandControlNOV.1.2013基于多输出衰减径向基函数神经网络的电网故障诊断熊国江,石东源,朱林(强电磁工程与新技术国家重点实验室(华中科技大学),湖北武汉430074)摘要:为提高电网故障诊断神经网络模型的构建速度,提出了一种基于多输出衰减径向基函数(Multi—outputDecayRadialBasisFunctionMDRBF)神经网络的故障诊断方法。DRBF神

2、经网络不需训练即能以任意精度一致逼近任意连续多变量函数。介绍了单输出DRBF(Single.outputDRBF,SDRBF)神经网络,分析了其存在的不足,即只能处理单输出变量问题,不能直接应用于电网故障诊断。在此基础上,根据电网元件的故障特点,提出了将SDRBF神经网络演变为多输出DRBF(Multi—OutputDRBFMDRBF)神经网络的拓展策略,以满足电网故障诊断的多输出变量需求。以4母线输电网络作为仿真系统,算例结果表明,该方法具有实现简单、容错性好、鲁棒性强等特点。关键词:电力系统;

3、故障诊断;衰减径向基函数神经网络;容错性;鲁棒性Faultdiagnosisofpowergridsbasedonmulti—outputdecayradialbasisfunctionneuralnetworkXIONGGuo~iang,SHIDong·yuan,ZHULin(StateKeyLaboratoryofAdvancedElectromagneticEngineeringandTechnology(HuazhongUniversityofScienceandTechnology)Wu

4、han430074,China)Abstract:Toimprovetherateofconstructionofneuralnetworkbasedmodelofpowergridsfaultdiagnosis,amethodbasedonmulti—outputdecayradialbasisfunction(MDRBF)neuralnetworkforfaultdiagnosisisproposed.DBRFneuralnetworkcanuniformlyapproximateanycon

5、tinuousmultivariatefunctionswitharbitraryprecisionwithouttraining.Thesingle—outputDRBF(SDRBF)neuralnetworkisintroduced,anditsshortageinfaultdiagnosisofpowergridsisanalyzed.Sincesingle—outputDRBF(SDRBF)neuralnetworkcanonlysolvethesingle—variableoutputp

6、roblem,therefore,itCannotbeuseddirectlyinfaultdiagnosisofpowergrids.Onthisbasis,astrategyforexpandingtheSDRBFneuralnetworktotheMDRBFneuralnetworkisproposedaccordingtothefaultcharacteristicofelectriccomponents.MDRBFneuralnetworkisabletosatisfythemulti—

7、variableoutputneedoffaultdiagnosisofpowergrids.Afour—bustransmissiongridisadoptedasasimulationsystemandtheresultsshowthattheproposeddiagnosticmethodbasedonMDRBFneuralnetworkissimpleandhasgoodfault—toleranceandstrongrobustness.ThisworkissupportedbyNati

8、onalNaturalScienceFoundationofChina(No.51107048).Keywords:powersystem;faultdiagnosis;decayradialbasisfunctionneuralnetwork;fault-tolerance;robustness中图分类号:TM77文献标识码:A文章编号:1674.3415(2013)21—0038—08诊断的方法主要有专家系统【31、优化技术_4】、Petri0引言网l6_7]、贝叶斯网络f81

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。