[發(fā)明專利]基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的電廠設(shè)備的狀態(tài)監(jiān)測方法

有效

• 申請?zhí)枺?/td>: 201410747579.8
• 申請日: 2014-12-09
• 公開（公告）號(hào): CN104503235A
• 公開（公告）日: 2015-04-08
• 發(fā)明（設(shè)計(jì)）人: 龔安;高洪福;張建;高云
• 申請（專利權(quán)）人: 中國石油大學(xué)（華東）
• 主分類號(hào): G05B13/04
• 分類號(hào): G05B13/04;G06N3/02
• 代理公司: 無
• 代理人: 無

技術(shù)領(lǐng)域

本發(fā)明涉及一種電廠設(shè)備的狀態(tài)監(jiān)測方法，尤其涉及一種基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的電廠設(shè)備的狀態(tài)監(jiān)測方法。

背景技術(shù)

由于電廠設(shè)備的工作狀態(tài)變化沒有規(guī)律性，很難使用現(xiàn)有的數(shù)學(xué)模型對其進(jìn)行擬合估計(jì)。神經(jīng)網(wǎng)絡(luò)具有優(yōu)秀的非線性擬合能力，適合對復(fù)雜的工作狀態(tài)進(jìn)行擬合，但是它容易陷入局部最優(yōu)解，每次擬合結(jié)果可能不盡相同，遺傳算法可以處理任意形式的目標(biāo)函數(shù)和約束，具有良好的全局尋優(yōu)能力以及較快的收斂速度，然而遺傳算法也存在早熟的現(xiàn)象。

電廠設(shè)備的工作狀態(tài)直接影響了電廠的工作運(yùn)行，對電廠設(shè)備進(jìn)行檢測已成為電廠研究的重要問題。如上述提到各種方法有諸多的缺陷問題，因此，現(xiàn)在需要發(fā)明一種方法，在解決遺傳算法早熟問題的同時(shí)提高算法收斂到全局最優(yōu)解速度，以此來滿足電廠設(shè)備工況數(shù)據(jù)的精確性和實(shí)時(shí)性的要求。

發(fā)明內(nèi)容

針對遺傳算法早熟問題以及神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)解的局限性問題，本發(fā)明研制一種基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的電廠設(shè)備的狀態(tài)監(jiān)測方法。

本發(fā)明其特征在于，包括以下步驟：

(1)采集電廠數(shù)據(jù)(包括歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù))作為數(shù)據(jù)源進(jìn)行種群初始化和個(gè)體遷移。

(2)數(shù)據(jù)源進(jìn)行初始化后得到三個(gè)種群，對這三個(gè)種群采取不同的選擇方式和交叉操作。

(3)防止取得的電廠數(shù)據(jù)種群陷入局部最優(yōu)進(jìn)行變異操作。

(4)當(dāng)連續(xù)幾代沒有出現(xiàn)新的最優(yōu)個(gè)體時(shí)，說明算法可能陷入局部最優(yōu)，此時(shí)加入擴(kuò)展機(jī)制，增強(qiáng)種群的多樣性，使算法跳出局部最優(yōu)解。

所述種群初始化和個(gè)體遷移是為了改善遺傳算法早熟現(xiàn)象，引入多種群并提出一種新的個(gè)體遷移機(jī)制：初始創(chuàng)建三個(gè)隨機(jī)種群，分別計(jì)算三個(gè)種群中個(gè)體的適應(yīng)度值，根據(jù)個(gè)體適應(yīng)度值將個(gè)體分為優(yōu)中劣三個(gè)等級(jí)；個(gè)體遷移是指將每代的三個(gè)種群中的優(yōu)秀個(gè)體放在第一個(gè)種群中，一般個(gè)體放入第二個(gè)種群，較差個(gè)體放入第三個(gè)種群；

所述選擇是對于第一個(gè)種群，由于其存放的都是適應(yīng)度值較大的優(yōu)秀個(gè)體，將保留所有個(gè)體進(jìn)入下一代種群；對于第二個(gè)種群，通過輪盤賭的方法以較大的選擇概率選擇個(gè)體進(jìn)入下一代種群；對于第三個(gè)種群，同樣通過輪盤賭的方法以較小的選擇概率選擇個(gè)體進(jìn)入下一代種群。；

所述變異操作是第一個(gè)種群保存的是當(dāng)代適應(yīng)度值較大的優(yōu)秀個(gè)體，因此對其進(jìn)行小范圍的變異，提高算法的局部搜索能力；第二個(gè)種群進(jìn)行較大范圍的變異，增加種群的多樣性，避免陷入局部最優(yōu)、產(chǎn)生早熟現(xiàn)象；第三個(gè)種群進(jìn)行大范圍的變異，以期產(chǎn)生多個(gè)新個(gè)體，增強(qiáng)種群多樣性；

所述擴(kuò)展機(jī)制是交叉操作不再僅限于三個(gè)種群各自內(nèi)部進(jìn)行，而是隨機(jī)進(jìn)行兩個(gè)種群間的個(gè)體的交叉操作，以期產(chǎn)生新的最優(yōu)個(gè)體，同時(shí)增大交叉概率和交叉?zhèn)€體的數(shù)目，增大個(gè)體變異概率和變異個(gè)體的數(shù)目。

附圖說明

圖1是基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的電廠設(shè)備的狀態(tài)監(jiān)測方法實(shí)施流程圖。

圖2是實(shí)時(shí)數(shù)據(jù)的趨勢圖。

圖3是BP以及SGA對設(shè)備狀態(tài)的監(jiān)測圖。

圖4是IM-EMGA優(yōu)化的BP對設(shè)備狀態(tài)的監(jiān)測圖。

具體實(shí)施方式

為更好地理解本發(fā)明，下面結(jié)合附圖和具體實(shí)施方式對本發(fā)明進(jìn)行更為詳細(xì)描述。在以下的描述中，當(dāng)已有的現(xiàn)有技術(shù)的詳細(xì)描述也許會(huì)淡化本發(fā)明的主題內(nèi)容時(shí)，這些描述在這兒將被忽略。

圖1是本發(fā)明基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的電廠設(shè)備的狀態(tài)監(jiān)測方法的一種具體實(shí)施方式流程圖。在本實(shí)施例中，本發(fā)明的基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的電廠設(shè)備的狀態(tài)監(jiān)測方法包括以下步驟：

某電廠中采集到的設(shè)備的振動(dòng)數(shù)據(jù)，其實(shí)時(shí)趨勢如圖2所示，其中橫坐標(biāo)表示時(shí)間(每隔一分鐘獲取一個(gè)數(shù)據(jù))。

(1)將上述電廠數(shù)據(jù)作為數(shù)據(jù)源進(jìn)行種群初始化和個(gè)體遷移。

(2)數(shù)據(jù)源進(jìn)行初始化后得到三個(gè)種群，對這三個(gè)種群采取不同的選擇方式和交叉操作。

(3)防止取得的電廠數(shù)據(jù)種群陷入局部最優(yōu)進(jìn)行變異操作。

(4)當(dāng)連續(xù)幾代沒有出現(xiàn)新的最優(yōu)個(gè)體時(shí)，說明算法可能陷入局部最優(yōu)，此時(shí)加入擴(kuò)展機(jī)制，增強(qiáng)種群的多樣性，使算法跳出局部最優(yōu)解。

將BP、SGA優(yōu)化的BP以及IM-EMGA優(yōu)化的BP分別應(yīng)用于該段實(shí)時(shí)數(shù)據(jù)，測試結(jié)果如圖3所示，左側(cè)兩張圖為BP對電廠實(shí)時(shí)數(shù)據(jù)的兩種監(jiān)測結(jié)果，右側(cè)兩張圖為SGA對電廠實(shí)時(shí)數(shù)據(jù)的兩種監(jiān)測結(jié)果，從圖中可以看出，由于BP神經(jīng)網(wǎng)絡(luò)每次尋找到的最優(yōu)解不盡相同，因此BP對相同實(shí)時(shí)數(shù)據(jù)的評(píng)估相差很大，同時(shí)結(jié)果一出現(xiàn)了過擬合現(xiàn)象，沒有準(zhǔn)確及時(shí)的發(fā)現(xiàn)異常數(shù)據(jù)。