《表4 两种算法仿真对比：基于GA-BP的配电网自动故障定位研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于GA-BP的配电网自动故障定位研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证提出的GA-BP算法在配电网故障诊断上的有效性，对其进行仿真实验。在选择GA参数时，参考与配电网故障定位相类似的文献[19-20]，并且考虑到配电网故障定位时，希望采用较小的耗时实现较高的故障定位精度，为了提高GA-BP的收敛速度及预测精度，当GA算法的初始参数设置为种群为40时，最大迭代次数25，代沟0.9，交叉率0.6，变异概率0.05，最大迭代次数为60。BP算法的最大迭代次数为3000，训练目标0.01，学习速率0.1，GA-BP算法具有较低的耗时并且故障定位的准确率趋于稳定。构建如图4所示的配电网。配电网故障诊断时，用到的输入和输出样本列表表示为表1和表2，取第1第5组信息作为测试样本。确定的BP网络的输入神经元个数为6，输出神经元个数为6，隐层神经元根据经验公式取11。故障定位结果如表3所示。为了进一步比较两种网络的性能，得到两种算法的误差曲线如图5图6所示。将图5及图6的仿真对比信息进行对比如表格4所示。