[發明專利]應用于兆瓦級變流器的小波網絡電流瞬時值檢測方法

有效

• 申請號: 201310289716.3
• 申請日: 2013-07-10
• 公開（公告）號: CN103344823A
• 公開（公告）日: 2013-10-09
• 發明（設計）人: 戴瑜興;郜克存;鄭崇偉;全惠敏;張正江
• 申請（專利權）人: 溫州大學
• 主分類號: G01R19/25
• 分類號: G01R19/25
• 代理公司: 長沙正奇專利事務所有限責任公司 43113
• 代理人: 馬強

1.一種應用于兆瓦級變流器的小波網絡電流瞬時值檢測方法，其特征在于，該方法為：

1）設未經濾波的變流器電流采樣值x_r=[x₁,x₂,…,x_n]^T為小波神經網絡的輸入向量，設濾波后的變流器電流輸出值y_r=[y₁,y₂,…,y_m]^T為輸出向量，輸出層到隱層的權值為w_ij，隱層到輸入層的權值為w_jk，中間隱層的伸縮參數和平移參數分別為a_j和b_j，隱層神經元數為N，i=1,2，…,m；j=1,2，…,N；k=1,2，…,n；n為輸入節點數，m為輸出節點數；

2）初始化伸縮參數a_j和平移參數b_j；

3）輸入學習樣本對(x_r,y_r)，r=1,2，…,n；

4）利用所述學習樣本對對應的伸縮參數a_j和平移參數b_j計算輸出向量y_r，所述輸出向量y_r的計算公式為：

yr=fi(t)=Σj=1NwijΨa,b(netj),]]>

其中，netj=Σk=1nwjkxk(t),]]>Ψa,b(netj)=Ψ(netj-bjaj),]]>Ψ（）為選取的小波函數；f_i(t)為小波函數第i個輸出向量的表達式；

5）采用BP算法訓練所述小波神經網絡，取優化目標函數E為：

E=0.5Σp=1NΣi=1n[di(p)-yi(p)]2,]]>

其中，為輸入樣本p第i個輸出節點的期望輸出電流，為輸入樣本p第i個輸出節點的實際輸出電流；p=x_r；

6）計算優化目標函數E的瞬時梯度向量：

∂E∂wij(n)=Σp=1N(di(p)-yi(p))yi(p)(1-yi(p))Ψbjajp(netj),]]>

∂E∂wij(n)=Σp=1NΣk=1n(di(p)-yi(p))yi(p)(1-yi(p))wij(p)Ψbjaj′p(netj)xk(p)aj(p),]]>

∂E∂aj(n)=Σp=1NΣk=1n(di(p)-yi(p))yi(p)(1-yi(p))wij(p)Ψbjaj′p(netj)netj(p)-bj(p)(aj(p))2,]]>

∂E∂bj(n)=Σp=1NΣk=1n(di(p)-yi(p))yi(p)(1-yi(p))wij(p)Ψbjaj′p(netj)1aj(p)]]>

其中，w_ij(n)、w_jk(n)分別為當前輸出層到隱層的權值和當前隱層到輸入層的權值；a_j(n)和b_j(n)分別為當前中間隱層的伸縮參數和平移參數；為輸入樣本p第j個輸出節點中間隱層的伸縮參數；為輸入樣本p第j個輸出節點輸出層到隱層的權值；()為[ba，p]區間內小波函數；為輸入樣本p第i個輸出節點的實際輸出電流；

7）利用上述各瞬時梯度向量得到以下權值迭代公式：

wjk(n+1)=wjk(n)-ηjk∂E∂wjk(n),]]>

wij(n+1)=wij(n)-ηij∂E∂wij(n),]]>

aj(n+1)=aj(n)-ηa∂E∂aj(n),]]>

bj(n+1)=bj(n)-ηb∂E∂bj(n);]]>

其中，η_ij，η_jk，η_a,η_b分別為參數w_ij,w_jk，a_j,b_j的學習速率；w_jk(n+1)、w_ij(n+1)分別為下一次學習的輸出層到隱層的權值和隱層到輸入層的權值，a_j(n+1)、b_j(n+1)分別為下一次學習的中間隱層的伸縮參數和平移參數；

8）當E＜10^-5，或者達到最大學習次數10⁵時，終止學習；否則，返回3），輸入另一個樣本對，進行下一次學習。