31、电力系统中的智能算法应用：ANN与PSO模型降阶

电力系统中的智能算法应用：ANN与PSO模型降阶

在电力系统的研究与应用中，人工神经网络（ANN）和粒子群优化（PSO）等智能算法发挥着重要作用。本文将深入探讨两种不同的ANN架构以及基于PSO的多输入多输出（MIMO）系统模型降阶方法。

1. 不同ANN架构的性能对比

在电力变压器保护领域，通常会使用不同的ANN架构和学习算法进行训练，以实现对变压器不同运行和故障条件的监测与判别。这里主要对比了多层前馈神经网络（MLFFNN）使用反向传播（BP）算法和细菌觅食优化算法训练的人工神经网络（BFANN）。

1.1 BFANN训练细节

• 训练数据 ：137个
• 测试数据 ：42个
• 设定训练轮数 ：600
• 输入样本 ：三相每周期(3 * 40)个样本
• 隐藏层 ：8个神经元，传递函数为slogsig
• 输出层 ：4个神经元，传递函数为satlin
• 性能目标 ：0
• 收敛训练轮数 ：69
• 训练时间 ：276秒

1.2 结果分析