[發明專利]一種基于BP神經網絡的AT單線供電系統的故障測距方法

在審

• 申請號: 202010017660.6
• 申請日: 2020-01-08
• 公開（公告）號: CN111242463A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 尹建斌;閆雪松;邢志杰
• 申請（專利權）人: 天津凱發電氣股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06N3/08
• 代理公司: 天津企興智財知識產權代理有限公司 12226
• 代理人: 陳雅潔

1.一種基于BP神經網絡的AT單線供電系統的故障測距方法，其特征在于，包括：

S1、搭建由輸入層、隱含層、輸出層三個部分組成的BP神經網絡；

S2、定義BP神經網絡的參數；

S3、選取SS、AT、SP所內的數據輸入BP神經網絡，建立輸入與輸出的映射關系Y為故障距離測距結果；

S4、利用不同故障位置和故障類型的訓練樣本對BP神經網絡進行訓練；

S5、BP神經網絡訓練過程中，以輸出層的期望輸出與實際輸出構造誤差函數，通過對權重與閾值進行調整，使誤差函數逐漸減小，直到輸出的測距結果無限的趨近于正確值時，得到穩定的權重值和閾值并輸出；

S6、借助Matlab的函數得到BP神經網絡的權重值矩陣和閾值矩陣；

S7、將未訓練過的數據組成輸入矩陣，結合權重值矩陣和閾值矩陣，完成故障測距計算。

2.根據權利要求1所述的一種基于BP神經網絡的AT單線供電系統的故障測距方法，其特征在于：所述步驟S1中，輸入層包含15個AT單線系統的故障電量輸入位；定義隱含層共有k層，每層神經個數為15個；輸出層還有一個輸出，該輸出為輸入故障電量對應的故障位置。

3.根據權利要求1所述的一種基于BP神經網絡的AT單線供電系統的故障測距方法，其特征在于，所述步驟S2中，定義BP神經網絡函數的具體步驟如下：定義BP神經網絡的傳遞函數為logsig；學習速率為0.06；最大訓練次數為10000次；訓練函數為trainlm；學習函數為learngdm，訓練所達到的誤差目標為：1e-30；性能函數采用mse函數。

4.根據權利要求1所述的一種基于BP神經網絡的AT單線供電系統的故障測距方法，其特征在于，所述步驟S3中，建立輸入與輸出的映射關系的具體方法如下：

S31、構建輸入層的輸入向量：

其中，為牽引變電所T線電流、F線電流、吸上電流、T線電壓、F線電壓；同理為AT所T線電流、F線電流、吸上電流、T線電壓、F線電壓；為分區所T線電流、F線電流、吸上電流、T線電壓、F線電壓；

S32、隱含層的每一個神經元包括四個參數，分別為輸入x、輸出y、閾值θ及影響權重w；第k-1層第i個神經元的輸出為第k層的第j個神經元輸入為閾值為若第i層有n個神經元，則四個參數之間的關系滿足：

S33、輸出層為測距結果，模擬量的數據輸入經由各層神經元完成傳遞，通過激勵函數f(x)作用后，求得輸出矩陣：

5.根據權利要求4所述的一種基于BP神經網絡的AT單線供電系統的故障測距方法，其特征在于，所述步驟S5中，得到權重值和閾值的具體方法如下：

S51、構件誤差函數：

其中，為對應神經元的期望輸出；

S52、為減小誤差函數，改變神經元之間的權重值：假設第k-1層第i神經元對第k層第j神經的相應權重值的改變量應正比于誤差函數最大的減小量，即誤差函數對權重值的負導數，二者關系如下：

將上述公式與步驟S32中的參數關系公式聯立，解出每次權重值與閾值的變化量如下所示：

其中，為第K層的算子；

S53、當K＝m時，則

當K＜m時，則

其中Z為第K層神經元個數，l為第K+1層的第l個神經元，m為輸出層所在層數；

S54、得到算子后，對每一層神經元的權重值與閾值進行調整，各層神經元之間的連接權重值與未調整前關系如下所示：

其中t為修正的次數，μ為慣性系數。