典型文献
粒子群优化极限学习机的短路电流预测技术
文献摘要:
针对传统极限学习机预测模型精度低和稳定性能差的问题,提出了一种利用粒子群算法优化极限学习机的短路电流峰值预测模型.建立超高压输电线路仿真模型,分析短路故障波形特点,获取全相角短路故障电流历史数据,利用平均相对误差、均方根误差、灰色绝对关联度三种精度检验法作为粒子群算法的适应度函数,构建粒子群算法与极限学习机算法相结合的电流预测模型.实验结果表明,以灰色绝对关联度作为适应度函数的粒子群优化极限学习机算法,对短路电流峰值预测精度较高、速度较快,当故障点位置未知时,采用粒子群优化极限学习机算法依然可以准确预测短路电流峰值,提升了算法应用的实际意义,为超、特高压线路快速限制、消除短路故障奠定理论基础.
文献关键词:
粒子群算法;极限学习机;短路电流;峰值预测;灰色绝对关联度;适应度函数
中图分类号:
作者姓名:
王梦娇;魏新劳
作者机构:
哈尔滨理工大学 工程电介质及其应用教育部重点实验室,黑龙江 哈尔滨150080
文献出处:
引用格式:
[1]王梦娇;魏新劳-.粒子群优化极限学习机的短路电流预测技术)[J].电机与控制学报,2022(01):68-76
A类:
峰值预测精度
B类:
粒子群优化极限学习机,短路电流,预测技术,极限学习机预测,预测模型精度,稳定性能,粒子群算法,算法优化,电流峰值,超高压输电线路,输电线路仿真,故障波形,相角,短路故障电流,历史数据,平均相对误差,灰色绝对关联度,精度检验,检验法,适应度函数,极限学习机算法,电流预测模型,故障点位置,准确预测,算法应用,实际意义,特高压线路
AB值:
0.204687
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。