[發明專利]一種基于BP神經網絡的輸電桿塔鳥害發生概率預測方法

有效

• 申請號: 202010529618.2
• 申請日: 2020-06-11
• 公開（公告）號: CN111860947B
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 朱朋輝;甘團杰;周廣青;周慶東;唐信;陳劍平;楊璽;劉清冰;廖志文;趙全忠;陳亦;黃智明
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司江門供電局
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 陳偉斌

1.一種基于BP神經網絡的輸電桿塔鳥害發生概率預測方法，其特征在于，具體包括如下步驟：

步驟(1)，選取典型輸電樣線；選取能代表整個地區輸電線路的典型輸電樣線；

步驟(2)，數據采集與預處理；采集輸電桿塔的樣本數據，把樣本數據分為訓練樣本和測試樣本；把采集的鳥害跳閘故障和鳥糞閃絡發生的季節性、鳥害跳閘故障和鳥糞閃絡發生的時段性、輸電桿塔周圍的地理特征、電壓等級、輸電桿塔類型、導線排列方式、絕緣子串型作為模型輸入，鳥害跳閘故障數次和鳥糞閃絡數次作為模型輸出；

步驟(3)，建立BP神經網絡模型；其中，BP神經網絡模型的拓撲結構包括輸入層、隱含層和輸出層；

步驟(4)，初始化BP神經網絡模型；初始化BP神經網絡模型的基本參數；

步驟(5)，構建輸電桿塔鳥害發生概率預測模型；

利用python軟件，將訓練樣本數據導入BP神經網絡模型，對BP神經網絡模型進行訓練，構建輸電桿塔鳥害發生概率預測模型；

步驟(6)，優化神經網絡參數配置；

將測試樣本輸入到已訓練好的BP神經網絡模型，根據訓練樣本與測試樣本的識別正確率，通過調整隱含層節點數和迭代次數p優化訓練算法，使用優化后的神經網絡參數配置，對輸電桿塔進行鳥害發生概率預測。

2.根據權利要求1所述的基于BP神經網絡的輸電桿塔鳥害發生概率預測方法，其特征在于，在步驟(1)中，樣線選取基于以下原則，線路本身要具有代表性，輸電桿塔類型要覆蓋全面，樣線所處位置是鳥害多發區域。

3.根據權利要求2所述的基于BP神經網絡的輸電桿塔鳥害發生概率預測方法，其特征在于，在步驟(1)中，選取本身具有代表性的樣線，每條樣線具有獨特的地形地貌、氣候條件和涉害鳥類分布情況。

4.根據權利要求1所述的基于BP神經網絡的輸電桿塔鳥害發生概率預測方法，其特征在于，在步驟(2)中，所述電壓等級分為110kv和220kv；輸電桿塔類型分為直線塔和耐張塔；導線排列方式分為水平、三角形和垂直；絕緣子分為v串和直線串。

5.根據權利要求1所述的基于BP神經網絡的輸電桿塔鳥害發生概率預測方法，其特征在于，在步驟(3)中，輸入層的神經元個數為7，輸出層的神經元個數為1，隱含層的神經元個數為G；任意輸入層神經元為f_i，i∈(1、2…7)；任意隱含層神經元為G_j，j∈(1、2…G)；任意輸出層神經元為h_k，k∈(1、2)。

6.根據權利要求5所述的基于BP神經網絡的輸電桿塔鳥害發生概率預測方法，其特征在于，所述隱含層的神經元個數為G的計算公式為其中，f為輸入層神經元個數，h為輸出層神經元個數，a取0～10之間的整數。

7.根據權利要求1所述的基于BP神經網絡的輸電桿塔鳥害發生概率預測方法，其特征在于，在步驟(4)中，基本參數包括：學習速率μ、輸入層到隱含層的權重w_ji、隱含層到輸出層的權重w_jk、輸入層到隱含層的偏置數a_j、隱含層到輸出層的偏置數b_k以及激勵函數f(x)；其中，輸入層到隱含層的權重w_ji、隱含層到輸出層的權重w_jk、輸入層到隱含層的偏置數a_j、隱含層到輸出層的偏置數b_k初始化為(-1,1)內的隨機數。

8.根據權利要求7所述的基于BP神經網絡的輸電桿塔鳥害發生概率預測方法，其特征在于，在步驟(4)中，所述激勵函數f(x)計算公式為其中，x為隱含層輸入。