改进pso-bp神经网络在变压器故障检测中的应用

？粒子群优化（pso）算法中的粒子根据全局最优粒子来移动自身位置进行搜索，但当某一粒子连续多次被选为全局最优粒子的时候，整个群体的粒子就会快速收敛于该最优粒子，陷入局部最优。为此，提出了变异动态粒子群优化（mdpso）算法。采用惯性权重变异的思想，当某粒子连续被选为全局最优粒子时，就使一部分粒子的惯性权重以指数速度增长，使粒子跳出局部最小，继续全局寻优。并把改进的粒子群优化算法和bp神经网络相结合，应用于变压器故障检测中。实验表明，与常用的粒子群优化算法相比，用改进的粒子群优化算法优化bp神经网络具有更好的性能，在变压器故障检测中能够获得更高的检测精度。