摘要:针对学习向量量化(1earningvectorquantization,LVQ)神经网络在气体绝缘全封闭组合电器GIS特高频局部放电识别过程中存在初始权值敏感、竞争层未被充分利用的问题.提出了利用思维进化算法(mindevolutionaryalgorithm,MEA)优化LVQ神经网络的GIS特高频局部放电识别模型。该模型采用K交叉验证来确定LVQ网络竞争层中最佳神经元数目.并在此基础上利用思维进化算法寻找LVQ网络的最优初始权值。构建最佳的局部放电识别网络模型。对比该模型和BP网络、LVQ网络以及K交叉验证LVQ网络的放电识别准确率.结果表明:MEA优化的LVQ神经网络具有更高的识别精度。文中的研究对于提高局部放电识别准确率具有一定的价值。
关键词:思维进化算法 气体绝缘全封闭组合电器 k交叉验证 学习向量量化神经网络 放电识别
单位:上海电力学院; 上海200090; 上海交通大学; 上海200090
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社