基于GSA的ELM电能质量扰动识别方法研究
摘要
ELM是一个单隐层神经网络,具有良好的泛化和快速学习能力,该算法只需用户调整隐含层节点个数,但该参数的选择直接影响了ELM的性能。文章提出一种新的优化方案,该方案使用GSA优化输入特征子集和隐含层节点数以提高ELM的性能,实验结果表明:该方法在识别电能质量扰动方面更快、更准确。
出处
《中国高新技术企业》
2015年第29期15-17,共3页
China Hi-tech Enterprises
基金
山西省自然科学基金资助项目(2014011021-1)
参考文献11
-
1W.-M.Lin, C.-H.Wu, C.-H.Lin, F.-S.Cheng. Detection and classification of mul-tiple power-quality disturbances with wavelet multiclass SVM[J]. IEEE Trans. Power Deliv, 2008, 23 ( 4 ) .
-
2H.Eris ti, Y.Demir. Automatic classification of power quality events and dis-turbances using vavelet transform and support vector machines[J]. IET Gener.Transm. Distrib, 2012, 6 ( 10).
-
3A.M.Gaouda, M.M.A.Salama, M.K.Sultan, A.Y.Chikhani. Power quality detec-tion and classification using wavelet-multiresolution signal decomposition[J]. IEEETrans.PowerDeliv, 1999, 14 (4).
-
4C.Cortes, V,Vapnik. Support vector networks[J]. Mach.Leam, 1995, (20) .
-
5P,.Zhang, G.-B.Huang, N.Sundararajan, P.Saratchandran. Multicategory classi-fication using an extreme learning machine for m2eroarray gene expressioncancer diagnosis[J]. IEEE/ACM Trans.Comput. Biol.Bioinform, 2007, 4 ( 3 ) .
-
6W.Li, C.Chen, H.Su, Q.Du. Local binary patterns and extreme learning machinefor hyperspectral imagery classification[J]. IEEE Trans.Geosci.P, emote Sens, 2015, 53 (7) .
-
7G.-B.Huang, C.-K.Siew. Extreme learning machine:RBF network case, in:Proceedings of the Eighth International Conference on Control, Automation, Robotics and Vision ( ICARCV 2004 ) [J]. Kunming, China, 2004, (2).
-
8Y.Bazi, N.Alajlan, F.Melgani, H.A1Hichri, S.Malek,Yager. Differential evo-lution extreme learning machine for the classification of hyperspectral images[J]. IEEE Trans.Geosci.tLemote Sens.Lett, 2014, 11 ( 6 ) .
-
9E.tLashedi, H.Nezamabadi-pour, S.Saryazdi. GSA:a gravitational search algorithm[J]. Inform.Sci, 2009, 179.
-
10E.Rashedi, H;Nezamabadi-Pour, S.Saryazdi. BGSA:binary gravitational search algorithm[J]. Nat. Comput, 2010, 9.
-
1陈梓铭.基于万有引力搜索算法的电力系统电压无功控制策略研究[J].江苏电机工程,2016,0(1):61-65. 被引量：7
-
2唐卓贞,薛斌.基于万有引力搜索算法的船舶电力系统无功优化[J].中国航海,2016,39(2):24-26. 被引量：3
-
3王惠杰,范志愿,许小刚,李鑫鑫.基于灰色关联分析法及GSA-LSSVM的汽轮机排汽焓预测模型[J].电力建设,2016,37(11):115-122. 被引量：4
-
4陈梓铭.基于万有引力搜索算法的电力系统电压无功控制策略研究[J].华北电力技术,2016,0(5):16-21. 被引量：2
-
5庄葛巍,张晓颖,张维平,高大智.基于改进万有引力优化的LSSVM模型在标签缺陷检测中的应用[J].电测与仪表,2016,53(7):89-94. 被引量：2
-
6全球WCDMA快步走向HSPA[J].中国新通信,2009,11(18):14-15.
-
7唐卓贞.船舶电力系统无功优化的GSA-IPM算法[J].船电技术,2017,37(3):9-12.
-
8“4G+”俨然成运营商标配 商用时间表已出[J].电子世界,2015(21):14-14.
-
9曾振达.基于万有引力搜索算法的配电网无功优化研究[J].贵州电力技术,2014,17(4):5-9.
-
10杨伟,胡军,吴军基.基于GSA的电力系统不良数据辨识算法[J].继电器,2005,33(22):41-44. 被引量：6
