[發(fā)明專利]一種基于誤差逆?zhèn)鞑ニ惴ǖ臄嗦菲鞴收显\斷方法

有效

• 申請?zhí)枺?/td>: 201810114374.4
• 申請日: 2018-02-05
• 公開（公告）號: CN110118928B
• 公開（公告）日: 2020-07-10
• 發(fā)明（設(shè)計）人: 楊愛軍;駱挺;李韻佳;褚飛航;王小華;劉定新;榮命哲;王嬋瓊
• 申請（專利權(quán)）人: 西安交通大學(xué);國網(wǎng)山西省電力公司長治供電公司
• 主分類號: G01R31/327
• 分類號: G01R31/327
• 代理公司: 北京中濟(jì)緯天專利代理有限公司 11429
• 代理人: 覃婧嬋

1.一種基于誤差逆?zhèn)鞑ニ惴ǖ臄嗦菲鞴收显\斷方法，其特征在于，該方法包括以下步驟：

步驟1：提取故障診斷特征參量；

步驟2：建立并訓(xùn)練基于誤差逆?zhèn)鞑ニ惴ǖ纳窠?jīng)網(wǎng)絡(luò)故障診斷模型；其具體包括：

步驟2-1：根據(jù)步驟1中提取的多個診斷特征參量，建立特征向量；

步驟2-2：建立基于誤差逆?zhèn)鞑ニ惴ǖ纳窠?jīng)網(wǎng)絡(luò)故障診斷模型，建立一種擁有d個輸入神經(jīng)元、l個輸出神經(jīng)元、q個隱層神經(jīng)元的神經(jīng)網(wǎng)絡(luò)故障診斷模型；其具體包括：

步驟2-2-1：根據(jù)步驟2-1中提取的特征向量建立訓(xùn)練集；

步驟2-2-2：對上述步驟所建立訓(xùn)練集進(jìn)行歸一化處理；

步驟2-2-3：隨機(jī)定義學(xué)習(xí)率；

步驟2-2-4：在(0，1)范圍內(nèi)隨機(jī)初始化神經(jīng)網(wǎng)絡(luò)中所有連接權(quán)和閾值；

步驟2-3：使用誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練上述建立的神經(jīng)網(wǎng)絡(luò)故障診斷模型；其具體包括：

步驟2-3-1：計算神經(jīng)網(wǎng)絡(luò)輸出：

其中，為神經(jīng)網(wǎng)絡(luò)輸出層第j個實際輸出，β_j為第j個輸出神經(jīng)元的輸入：

其中，b_h為隱層第h個神經(jīng)元的輸出，α_h為隱層第h個神經(jīng)元的輸入；

步驟2-3-2：計算輸出層神經(jīng)元的梯度項g_j：

步驟2-3-3：計算隱層神經(jīng)元的梯度項e_h：

步驟2-3-4：根據(jù)上述所計算的梯度項更新連接權(quán)與閾值：

ω′_hj＝ω_hj+Δω_hj＝ω_hj+ηg_jb_h

θ′_j＝θ_j+Δθ_j＝θ_j-ηg_j

γ′_h＝γ_h+Δγ_h＝γ_h-ηe_h

步驟2-3-5：比較神經(jīng)網(wǎng)絡(luò)故障診斷模型實際輸出與期望輸出，如滿足精度要求，則停止訓(xùn)練并進(jìn)入步驟3，如未滿足精度要求，則重復(fù)步驟2-3-1至步驟2-3-5；

步驟3：利用訓(xùn)練好的診斷模型對實際斷路器進(jìn)行故障識別。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟1中，針對正常工作情況與不同故障情況下的斷路器，采集多種情況下的斷路器線圈分合閘電流信號，作為樣本，并結(jié)合各類實際故障，提取每個樣本下電流信號波形中多個時間特征量與電流特征量作為診斷特征參量。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟2-2中，所述神經(jīng)網(wǎng)絡(luò)故障診斷模型的建立過程具體包括如下步驟：

步驟2-2-1中所建立訓(xùn)練集如下：

其中，X_k作為輸入特征向量，X_k∈R^d，即輸入特征向量由d個屬性描述，d由特征向量中特征參量數(shù)目決定；Y_k作為輸出向量，Y_k∈R^l，即輸出l維實值向量，l由斷路器故障類型數(shù)目決定；m由樣本數(shù)決定；

步驟2-2-2中的歸一化方法如下：

其中，為歸一化后特征參量，為待歸一化的特征參量，為樣本空間中第i特征參量最小值，為樣本空間中第i特征參量最大值；

其中，為歸一化后輸出參量，為待歸一化的輸出參量；

得到歸一化后訓(xùn)練集：

步驟2-2-3中，學(xué)習(xí)率η＝(0，1)；

步驟2-2-4中，輸出層第j個神經(jīng)元的閾值用θ_j表示，隱層第h個神經(jīng)元的閾值用γ_h表示，輸入層第i個神經(jīng)元與隱層第h個神經(jīng)元之間連接權(quán)為v_ih，隱層第h個神經(jīng)元與輸出層第j個神經(jīng)元之間的連接權(quán)為ω_hj。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟3中，重新采集待診斷斷路器的線圈分合閘電流信號，并提取特征參量，將其輸入訓(xùn)練完成的斷路器故障診斷模型中，進(jìn)行故障識別與分類。