改进PSO-BP神经网络在变压器故障检测中的应用

摘要

粒子群优化(PSO)算法中的粒子根据全局最优粒子来移动自身位置进行搜索,但当某一粒子连续多次被选为全局最优粒子的时候,整个群体的粒子就会快速收敛于该最优粒子,陷入局部最优.为此,提出了变异动态粒子群优化(MDPSO)算法.采用惯性权重变异的思想,当某粒子连续被选为全局最优粒子时,就使一部分粒子的惯性权重以指数速度增长,使粒子跳出局部最小,继续全局寻优.并把改进的粒子群优化算法和BP神经网络相结合,应用于变压器故障检测中.实验表明,与常用的粒子群优化算法相比,用改进的粒子群优化算法优化BP神经网络具有更好的性能,在变压器故障检测中能够获得更高的检测精度.