基于蜻蜓算法优化ELM的电能质量扰动诊断与识别研究

基于蜻蜓算法优化ELM的电能质量扰动诊断与识别研究

论文摘要

针对极限学习机预测结果易受其初始化输入权值和偏置值的影响,提出一种DA算法优化ELM的电能质量扰动诊断和识别模型。选择5种电能质量扰动信号为研究对象,研究结果表明,与GA_ELM、PSO_ELM和ELM相比,本文提出的算法DA_ELM可以有效提高电能质量扰动识别的准确率,为电能质量扰动诊断和识别提供新的方法和途径。

论文目录

  • 0 引言
  • 1 蜻蜓算法
  • 2 极限学习机
  • 3 基于DA_ELM的识别模型
  • 4 电能质量扰动信号数学模型
  • 5 实验仿真
  •   5.1 评价指标
  •   5.2 数据来源
  •   5.3 实验结果
  • 6 结语
  • 文章来源

    类型: 期刊论文

    作者: 王宏刚,田洪迅,谈军,周辉

    关键词: 蜻蜓算法,极限学习机,电能质量,样本熵,小波分解

    来源: 电力电容器与无功补偿 2019年01期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 电力工业

    单位: 国家电网公司,南瑞集团(国网电力科学研究院),国网浙江省电力公司

    分类号: TM711

    DOI: 10.14044/j.1674-1757.pcrpc.2019.01.025

    页码: 142-147

    总页数: 6

    文件大小: 1959K

    下载量: 180

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于蜻蜓算法优化ELM的电能质量扰动诊断与识别研究
    下载Doc文档

    猜你喜欢