改进的遗传优化BP-NN在变电站故障区域中的研究

BP神经网络（Back Propagation Neural Network，BP-NN）具有良好的自学习能力以及自适应和泛化能力，但运算过程中容易陷入局部极小值，同时隐含层节点数的选择也影响着诊断的效果。文中根据经验公式缩小隐层节点数范围，在小范围里寻找最优的隐层节点数。根据遗传算法(Genetic Algorithm，GA)具有全局寻优的特点，用遗传算法优化BP神经网络训练的初始权值阈值，可以避免BP神经网络陷入局部极小的问题。但是，传统遗传算法也有自身的缺点，其在全局寻优的过程中，易陷入“早熟”的问题。为了解决传统遗传算法“早熟”现象，文中提出了一种协同进化的遗传算法，即使用3个种群同时进化的遗传算法，协同进化遗传算法不但可以避免传统遗传算法的“早熟”问题，而且可以加强局部搜索提高运行效率。将协同进化遗传算法应用到BP神经网络中，仿真结果表明，该方法可以准确有效地诊断出变电站故障元件，提高变电站故障诊断过程中的容错性及效果。

Substation Fault Zone Research Based on Improved Genetic Algorithm Optimization BP-NN