[發明專利]基于運維檢測大數據的高壓開關柜絕緣狀態分析方法

有效

• 申請號: 201910059512.8
• 申請日: 2019-01-22
• 公開（公告）號: CN110096723B
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 謝云飛;王一開;李亞男;宋淑紅;寧晉峰;趙春濤;呂永紅;李紅喜;許郁;張毅斌;張建良;吳紅梅;米蕾蕾;龍明;張志平
• 申請（專利權）人: 國網山西省電力公司長治供電公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/084
• 代理公司: 太原高欣科創專利代理事務所(普通合伙) 14109
• 代理人: 崔浩;冷錦超

1.基于運維檢測大數據的高壓開關柜絕緣狀態分析方法，其特征在于：包括如下步驟：

步驟一：數據收集：

對一定區域內的高壓開關柜基礎數據進行采集，采集項包括：開關柜的電壓等級、投運日期、生產廠家與型號、開關柜工作環境的溫度、濕度；

步驟二：以步驟一采集到的試驗數據為基礎，植入BP神經網絡算法中，生成高壓開關柜絕緣狀態智能分析模型；

步驟2.1：建立BP神經網絡算法：

使用的BP神經網絡算法，即誤差反向傳播算法的學習過程，包括輸入層、輸出層、和若干隱含層；

所述輸入層各神經元負責接收來自外界的輸入信息，并傳遞給中間層各神經元，所述中間層具體為內部信息處理層，負責信息變換，根據信息變化能力的需求，中間層設計為單隱含層或多隱含層結構；最后一個隱含層傳遞到輸出層各神經元的信息，經進一步處理后，完成一次學習的正向傳播處理過程，由輸出層向外界輸出信息處理結果；

其中，隱含層通過以下公式確定節點數目：

上式中：h為隱含層節點數目，m為輸入層節點數目，n為輸出層節點數目，a為1～10之間的調節常數；

所述BP神經網絡算法分為兩個過程：工作信號正向傳遞子過程和誤差信號反向傳遞子過程；步驟2.1.1：工作信號正向傳遞子過程：

設節點i和節點j之間的權值為w_ij，節點j的閾值為b_j，每個節點的輸入值為x_j，每個節點的輸出值根據上層所有節點的輸出值、當前節點與上一層所有節點的權值和當前節點的閾值和激活函數確定；

計算公式如下：

x_j＝f(S_j)；

其中f為激活函數，選取S型函數或者線性函數；在BP神經網絡中，輸入層節點沒有閾值；步驟2.1.2：誤差信號反向傳遞子過程：

在BP神經網絡中，誤差信號反向傳遞子過程基于Widrow-Hoff學習規則，假設輸出層的所有結果為d_j，誤差函數為：

通過BP神經網絡反復修正權值和閾值，使得誤差函數值達到最小；

Widrow-Hoff學習規則通過沿著相對誤差平方和的最速下降方向，連續調整網絡的權值和閾值，根據梯度下降法，權值矢量的修正正比于當前位置上E(ω,b)的梯度，對于第j個輸出節點有：

假設選擇激活函數為：

對激活函數求導，得到：

針對ω_ij有：

其中有：

同樣對于b_j有：

從而實現Widrow-Hoff學習規則，通過改變神經元之間的連接權值來減少系統實際輸出和期望輸出的誤差，不斷提高網絡精度；

步驟2.2：將步驟一采集到的試驗數據，包括開關柜投運年限、超聲、特高頻、暫態地電壓、溫度、濕度、耐壓值作為模型輸入，開關柜絕緣狀態情況為模型輸出，數據經過歸一化處理后，作為BP網絡樣本，進行模型搭建，通過誤差比對后不斷的自動學習調整，逐漸提高模型精度；

步驟三：使用BP神經網絡函數逼近功能，采用matlab編程語言按如下流程建立投運年限、超聲、特高頻、暫態地電壓、溫度、濕度、耐壓值與開關柜絕緣狀態之間非線性函數關系，實現精準評價開關柜絕緣狀態的目的；

步驟3.1：輸入訓練原數據；

步驟3.2：對數據進行歸一化處理；

步驟3.3：進行網絡訓練，對原數據進行仿真，將仿真結果與實際結果進行對比；

步驟3.4：判斷對比誤差是否小于規定范圍，若小于則繼續對新數據進行仿真，若大于則對數據進行反饋，重新進行步驟3.3；

步驟四：對數據進行分析，對建立模型進行應用：利用開關柜絕緣狀態智能分析模型，對開關柜絕緣狀態進行預判評估。