陈运蓬，赵 飞

（国网山西省电力公司大同供电公司，太原 030001）

改进的遗传优化BP－NN在变电站故障区域中的研究

陈运蓬，赵 飞

（国网山西省电力公司大同供电公司，太原 030001）

BP神经网络（Back Propagation Neural Network，BP－NN）具有良好的自学习能力以及自适应和泛化能力，但运算过程中容易陷入局部极小值，同时隐含层节点数的选择也影响着诊断的效果；文中根据经验公式缩小隐层节点数范围，在小范围里寻找最优的隐层节点数；根据遗传算法（Genetic Algorithm，GA）具有全局寻优的特点，用遗传算法优化BP神经网络训练的初始权值阈值，可以避免BP神经网络陷入局部极小的问题；但是，传统遗传算法也有自身的缺点，其在全局寻优的过程中，易陷入“早熟”的问题；为了解决传统遗传算法“早熟”现象，文中提出了一种协同进化的遗传算法，即使用3个种群同时进化的遗传算法，协同进化遗传算法不但可以避免传统遗传算法的“早熟”问题，而且可以加强局部搜索提高运行效率；将协同进化遗传算法应用到BP神经网络中，仿真结果表明，该方法可以准确有效地诊断出变电站故障元件，提高变电站故障诊断过程中的容错性及效果。

BP神经网络；隐含层；遗传算法；协同进化；容错性

0 引言

随着经济的蓬勃发展，我国电力行业的发展向着更大容量、自动化水平更高的方向转变［1］。对于变电站运行稳定性的要求越来越高，变电站运行中出现的故障给供电公司及用户带来巨大损失，变电站故障的有效诊断是保证电力系统安全可靠运行的重要手段［2］。……