本文主要研究内容
作者吴杰康,覃炜梅,梁浩浩,金尚婷,罗伟明（2019）在《基于自适应极限学习机的变压器故障识别方法》一文中研究指出：针对变压器状态数据累积规模和复杂程度均增大的情况,单一智能算法进行数据处理的能力有限、精度低,提出了基于自适应极限学习机的变压器故障识别方法。利用免疫算法(IA)的多样性调节机制和存储机制对粒子种群进行优、劣分类,对优、劣粒子分别采用不同的进化方式。经IA改进的粒子群优化(PSO)算法有效克服了种群容易早熟从而导致进化停滞的缺点,提高了全局寻优能力。在参数寻优的基础上,根据寻优输出结果建立变压器故障识别模型。实验计算结果表明所提方法比极限学习机(ELM)、粒子群优化极限学习机(PSO-ELM)、遗传算法优化极限学习机(GA-ELM)方法的故障识别精度高。
Abstract
zhen dui bian ya qi zhuang tai shu ju lei ji gui mo he fu za cheng du jun zeng da de qing kuang ,chan yi zhi neng suan fa jin hang shu ju chu li de neng li you xian 、jing du di ,di chu le ji yu zi kuo ying ji xian xue xi ji de bian ya qi gu zhang shi bie fang fa 。li yong mian yi suan fa (IA)de duo yang xing diao jie ji zhi he cun chu ji zhi dui li zi chong qun jin hang you 、lie fen lei ,dui you 、lie li zi fen bie cai yong bu tong de jin hua fang shi 。jing IAgai jin de li zi qun you hua (PSO)suan fa you xiao ke fu le chong qun rong yi zao shou cong er dao zhi jin hua ting zhi de que dian ,di gao le quan ju xun you neng li 。zai can shu xun you de ji chu shang ,gen ju xun you shu chu jie guo jian li bian ya qi gu zhang shi bie mo xing 。shi yan ji suan jie guo biao ming suo di fang fa bi ji xian xue xi ji (ELM)、li zi qun you hua ji xian xue xi ji (PSO-ELM)、wei chuan suan fa you hua ji xian xue xi ji (GA-ELM)fang fa de gu zhang shi bie jing du gao 。
论文参考文献
论文详细介绍
论文作者分别是来自电力自动化设备的吴杰康,覃炜梅,梁浩浩,金尚婷,罗伟明，发表于刊物电力自动化设备2019年10期论文，是一篇关于电力变压器论文,故障识别论文,免疫算法论文,粒子群优化算法论文,极限学习机论文,电力自动化设备2019年10期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自电力自动化设备2019年10期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：电力变压器论文; 故障识别论文; 免疫算法论文; 粒子群优化算法论文; 极限学习机论文; 电力自动化设备2019年10期论文;