典型文献
基于LSSA-BP神经网络的断路器分合闸电流特征诊断
文献摘要：
高压断路器作为在各种电力系统应用中起到安全保护作用的设备,其故障诊断研究具有重大的意义.针对传统的BP神经网络收敛速度慢、收敛精度不足的问题,提出一种改进麻雀搜索算法(logistic sparrow search algorithm,LSSA)对BP神经网络进行优化.该模型通过在麻雀算法初始化种群时引入Logistic混沌映射得到更合理的初始参数,并在位置更新与最优解更新中分别引入动态自适应权重、柯西变异策略和反向学习策略,使该模型对断路器故障分类诊断的平均准确率接近100％,这表明改进后的BP神经网络具有更高的正确率.
文献关键词：
高压断路器;BP神经网络;麻雀搜索算法
中图分类号：
作者姓名：
贾浩;张莲;张尚德;赵梦琪;赵娜;黄伟
作者机构：
重庆理工大学电气与电子工程学院,重庆400054;重庆市能源互联网工程技术研究中心,重庆400054
文献出处：
引用格式：
[1]贾浩;张莲;张尚德;赵梦琪;赵娜;黄伟-.基于LSSA-BP神经网络的断路器分合闸电流特征诊断)[J].湖南电力,2022(05):36-41,47
A类：
B类：
LSSA,分合闸,高压断路器,电力系统,系统应用,安全保护,诊断研究,网络收敛速度,速度慢,收敛精度,改进麻雀搜索算法,logistic,sparrow,search,algorithm,麻雀算法,初始化,混沌映射,更合,在位,位置更新,最优解,动态自适应权重,柯西变异,变异策略,反向学习策略,断路器故障,故障分类诊断,平均准确率
AB值：
0.382952
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。
