[發明專利]一種基于Golstein?BP算法的設備狀態大數據計算方法及設備

在審

• 申請號: 201711139750.7
• 申請日: 2017-11-16
• 公開（公告）號: CN107886248A
• 公開（公告）日: 2018-04-06
• 發明（設計）人: 董召杰;張詩軍;衡星辰;陳彬;李遠寧;甘杉;張世良
• 申請（專利權）人: 中國南方電網有限責任公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06N3/08
• 代理公司: 北京萬慧達知識產權代理有限公司11111
• 代理人: 梁順珍

1.基于Golstein-BP算法的設備狀態大數據計算方法，其特征在于，包括如下步驟：

S101：獲取電網設備狀態評價指標歷史及當前數據，以及電網設備歷史狀態評價結果；

S102：根據設備狀態指標歷史數據特征構建相應的BP神經網絡模型；

S103：根據電網設備狀態評價指標歷史數據，以及電網設備歷史狀態評價結果構建均方誤差函數；

S104：采用Goldstein方法，取均方誤差最小化，求解BP算法中的學習率，并通過BP算法計算BP神經網絡參數；

S105：代入BP神經網絡參數得出BP神經網絡模型；

S106：將當前的設備狀態評價指標數據作為BP神經網絡模型的輸入，得出輸出結果。

2.根據權利要求1所述的基于Golstein-BP算法的設備狀態大數據計算方法，其特征在于：所述步驟S102中，所述BP神經網絡模型包括：輸入層x、隱層b及輸出層y；其中輸入層x為x＝(x₁，x₂，...，x_d)^T，隱層b為b＝(b₁，b₂，...，b_q)^T，輸出層y為y＝(y₁，y₂，...，y₁)^T；

輸入層的第i個神經元向隱層第h個神經元的輸出為v_ihx_i；隱層第h個神經元的輸入為隱層第h個神經元向輸出層第j個神經元的輸出為w_hjb_h；輸出層第j個神經元的輸入為其中v、w、隱層神經元的閾值γ、輸出層閾值θ為待確定系數向量。

3.根據權利要求1所述的基于Golstein-BP算法的設備狀態大數據計算方法，其特征在于：所述步驟S103中，均方誤差函數為：對該公式求解E_k最小值，獲得模型參數；其中，y_j為歷史電網設備的狀態分類；為預測狀態分類；1為分類數目。

4.根據權利要求1所述的基于Golstein-BP算法的設備狀態大數據計算方法，其特征在于：所述步驟S104包括：

步驟S104-1：令學習率為λ，E_k為f(x_k)，φ(λ_k)＝f(x_k+λ_kd_k)，

步驟S104-2：選取初始數據，在搜索區間中[0∞)中取初始點λ₀，計算和給出可接受系數正大試探帶點系數α>1，令a₀＝0，b₀＝∞，k＝0；

步驟S104-3：計算若轉步驟S104-4；否則令a_k+1＝a_k，b_k+1＝λ_k，轉步驟S104-5；

步驟S104-4：若

停止迭代，輸出λ_k；否則令a_k+1＝λ_k，b_k+1＝b_k，若b_k+1＜+∞，轉步驟S104-5，否則令λ_k+1＝αγ_k，k＝k+1，轉步驟S104-3；

步驟S104-5：選取新的試探點，取令k＝k+1，轉步驟S104-3；

步驟S104-6：BP算法計算BP神經網絡參數。

5.根據權利要求4所述的基于Golstein-BP算法的設備狀態大數據計算方法，其特征在于：

所述步驟S104-6：BP算法計算BP神經網絡參數，具體為：

任意參數的更新式為v←v+△v，且激活函數選用Sigmoid函數