论文部分内容阅读
本文紧紧围绕配电网故障诊断方法的改进这个主题,着眼于改进人工智能方法在配电网故障诊断系统应用,在系统的论述了当前配电系统及其支持系统的前提下,分析了各种人工智能方法在故障诊断中的应用特点,加强了基于粗糙集-人工神经网络理论在配电故障诊断中的应用。 本文首先讨论了配电网故障诊断的要求和意义,以及当前采用的故障诊断方法和存在的问题,在故障诊断的神经网络模型的基础上,以粗糙集中的信息系统属性值表为主要工具,将复杂的组合神经网络约简并删除其中不必要的属性,克服了网络规模过于庞大和分类速度慢的缺点,并给出了基于粗糙集理论的组合神经网络的模型结构,最后再利用数据融合技术,得出更加精确的结果。 属性约简是粗糙集方法的核心内容,求得决策表所有最小约简属性是NP难题。本文改进了二进制可辨矩阵的约简算法,使所有最小属性约简求解变得更加直观、简便。怎样构造有效的人工神经网络结构也是神经网络理论中一个很难解决的问题。在构造RBF网络时,本文运用聚类方法和最小二乘法相结合的方法来确定网络的隐节点数、数据中心和扩展常数,使网络结构在满足精度要求的情况下加快了学习速度。 文章最后采用VC++语言开发工具,调用Matlab神经网络工具箱建立一个简化的故障诊断系统,并通过配电网实例验证了方法的正确性。