基于改进粒子群优化神经网络的配电网故障诊断

李浩泽 徐康

摘要：为提高配电网故障诊断的准确性和快速性，本文提出了基于改进粒子群算法（IPSO）优化BP网络的进化神经网络模型。首先用保护装置和断路器的动作信息作为神经网络输入，通过改进的粒子群算法对BP神经网络的权值和阈值进行优化，最后将测试样本输入到训练好的改进粒子群神经网络（IPSO-BP）模型中进行配电网故障诊断。仿真试验结果表明：该方法与传统的BP、PSO-BP相比，在收敛速度和准确度方面都有明显的提高。

关键词：配电网;粒子群优化算法;神经网络

0 引言

本文提出了一种改进的粒子群算法与BP神经网络相结合的算法，将其应用到配电网故障诊断中，同时引用了遗传算法的变异思想，在粒子群算法中引入变异操作，使得到的结果更接近期望值[1]。以4个基准函数对其算法进行测试，其仿真试验结果表明，改进粒子群神经网络优化算法具有更好的性能和全局搜索能力。

1  PSO算法及IPSO算法简介

1.1 标准PSO算法

粒子群优化算法是一种基于群智能方法的进化计算技术，该算法源于对鸟群捕食的行为研究。假设在一个D维的目标搜索空间中，有m个粒子，其中第i个粒子（i=1，2，…，m）的位置和速度分别为Xi=（xi1，xi2，…，xiD）和Vi=（ vi1，vi2，…，viD），粒子在每一次迭代中通过跟踪两个最优解pbest和gbest来更新自己[2]。

1.2  IPSO算法

惯性权重w的引入，对PSO算法的发展起到了重要的作用，其大小反映了对当前粒子速度继承的多少，因此选择合适的惯性权重能够帮助该算法达到全局寻优和局部探索之间的有效平衡。……