基于混合聚类算法的径向基函数网络及其在电网故障诊断中的应用研究
建立径向基函数(RBF)网络的关键是隐层神经元数目和隐层中心(中心向量和宽度)的确定。针对当前RBF 网络在上述参数确定，以及网络训练收敛性能和泛化能力等方面存在的缺陷，通过利用理想输出数据蕴涵的信息，以及引入减聚类算法和聚类划分方法中的迭代重定位思想，本文提出了一种混合聚类(Hybrid Clustering)算法作为RBF网络的训练方法，并将之用于4节点电网故障诊断。仿真结果表明混合聚类算法建立的RBF 网络能够以很高的准确率进行电网故障诊断。与实际应用中普遍采用的正交最小二乘算法相比，它建立的RBF网络的结构规模更小，泛化性能更好，故障诊断准确性大有提高。
径向基函数 混合聚类算法 电力网 故障诊断 泛化性能
刘登峰 石东源 段献忠
华中科技大学电气安全与高效湖北省重点实验室,湖北武汉,430074
国内会议
合肥
中文
2007-10-01（万方平台首次上网日期，不代表论文的发表时间）