排序方式： 共有3条查询结果，搜索用时 31 毫秒
1
1.
提出了一种自编码器与PSO算法优化卷积神经网络结合的电力系统短期负荷预测模型。首先利用自编码器对相关变量数据进行处理,降低所需数据的噪声变量,提高预测效率;然后利用粒子群算法对卷积神经网络的权值和阈值进行优化,可有效提高预测模型的预测精度和预测速度。通过对实际电网的负荷数据进行仿真,验证了模型具有较高的预测精度。 相似文献
2.
GA-NN模型在输配电系统中诊断容错性能的评估 总被引：2，自引：0，他引：2
在基于神经网络NN模型的高压输电线系统故障诊断和配网故障定位的两个目标的研究中，用遗传算法进行NN结构优化、权重和结构双优化两种模式来研究诊断系统的容错性能，通过仿真测试，并与BP—NN模型相比较，证明可克服NN陷入局部最小、加快收敛和输出解空间重构，使故障诊断的容错性能和故障定位性能相应提高17．34％和13．86％。 相似文献
3.
为提高故障诊断系统的容错能力,提出了将故障信息受随机因素畸变的扩展故障样本集引入神经网络(neural network,NN)的容错训练,以提高NN的容错性能,通过基于蚁群优化算法(ant colony optimization algorithm,ACOA)和遗传算法(genetic algorithm,GA)构造2种优化NN,用于高压输电线系统和配电网故障诊断,并进行容错性能的评估．仿真测试表明,基于ACOA法诊断模型的容错性能都要优于广泛应用GA的诊断模型,分别提高5．91%和4．95%．ACOA优化NN不仅具有较好的泛化能力,且具有快的收敛速率． 相似文献
1