[发明专利]基于改进BP神经网络的电厂设备的状态监测方法

摘要

一种基于改进BP神经网络的电厂设备的状态监测方法。针对电厂设备状态的复杂性，利用神经网络进行状态监测，而神经网络存在易陷入局部最优的问题，首先对神经网络进行改进以期获得全局最优解。依据电厂电力设备数据实时性要求以及遗传算法寻优时计算时间少的优势，采用遗传算法对神经网络进行优化。本发明提出了一种基于个体迁移-扩展机制的遗传算法，在保证收敛到全局最优解的同时加快了收敛速度。之后本发明利用经IM-EMGA优化的BP神经网络来对电厂设备进行状态监测，从而能够及时发现故障发生的预兆。将本发明模型进行仿真实验，结果表明该方法相比单纯的遗传算法优化的BP神经网络具有更好的收敛速度和全局寻优能力。

主权项

一种基于改进BP神经网络的电厂设备的状态监测方法，其特征在于，包括以下步骤：(1)采集电厂数据(包括历史数据和实时数据)作为数据源进行种群初始化和个体迁移。(2)数据源进行初始化后得到三个种群，对这三个种群采取不同的选择方式和交叉操作。(3)防止取得的电厂数据种群陷入局部最优进行变异操作。(4)当连续几代没有出现新的最优个体时，说明算法可能陷入局部最优，此时加入扩展机制，增强种群的多样性，使算法跳出局部最优解。