[發明專利]基于BP神經網絡的配電開關設備可靠性評估方法

在審

• 申請號: 201810074783.6
• 申請日: 2018-01-25
• 公開（公告）號: CN108288123A
• 公開（公告）日: 2018-07-17
• 發明（設計）人: 侯慧;曾金媛;唐愛紅;李顯強;柯賢彬;于士文;耿浩;薛夢雅
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06N3/08;G06N3/04
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 鄭勤振

1.一種基于BP神經網絡的設備可靠性評估方法，其特征在于，包括：

步驟1，以設備故障率為可靠性評估的指標，把設備運行單位時間段內的環境因素、歷史單位時間段內的故障率作為自變量，下一單位時間段內的故障率作為因變量；

步驟2，將步驟1中所述的自變量和所述因變量數據進行歸一化，然后選取若干組數據作為樣本，并將一部分樣本數據作為訓練集、另一部分數據作為測試集；

步驟3，對BP神經網絡進行初始化；

步驟4，將歸一化后的樣本輸入BP神經網絡，計算隱含層、輸出層的輸出值；

步驟5，根據步驟4得到的各層輸出值計算輸出層與實際值的誤差；

步驟6，根據步驟5得到的誤差，比較其與給定學習精度的大小，當誤差大于給定的精度，則修正權值和閾值，再計算各層的輸入和輸出直到輸出層的輸出誤差小于給定的學習精度，結束迭代，模型建立完成；

步驟7，根據步驟6建立好的模型，輸入下一單位時間段內的環境因素以及歷史單位時間段內的故障率，對下一單位時間段內的設備故障率進行預測，根據預測結果合理安排設備的運維檢修。

2.根據權利要求1所述的基于BP神經網絡的設備可靠性評估方法，其特征在于，所述環境因素包括溫度和/或濕度。

3.根據權利要求1或2所述的基于BP神經網絡的設備可靠性評估方法，其特征在于，所述的步驟2中，對數據進行歸一化的公式為：

式中：為歸一后的輸入量，xi為當前要歸一的輸入量，x_min為輸入量的最小值，x_max為輸入量的最大值。

4.根據權利要求3所述的基于BP神經網絡的設備可靠性評估方法，其特征在于，所述步驟3中，輸入層的節點個數為n，隱含層的節點個數為L，輸出層的節點個數為m，學習速率為η，激勵函數為g(x)，其中激勵函數取Sigmoid函數，

5.根據權利要求4所述的基于BP神經網絡的設備可靠性評估方法，其特征在于，所述的步驟4中，隱含層的輸出H_j和輸出層的輸出O_k為：

式中w_ij為輸入層到隱含層的權重，w_jk為隱含層到輸出層的權重，a_j為輸入層到隱含層的偏置，b_k為隱含層到輸入層的偏置。

6.根據權利要求5所述的基于BP神經網絡的設備可靠性評估方法，其特征在于，所述的步驟5中，輸出層的誤差計算公式為：

式中Y_k為期望輸出，記Y_k-O_k＝e_k，則誤差公式可改寫為：

7.根據權利要求6所述的基于BP神經網絡的設備可靠性評估方法，其特征在于，所述的步驟6中，更新權值的公式為：

式中w_ij為輸入層到隱含層的權重,w_jk為隱含層到輸出層的權重，η為學習速率。