[發(fā)明專利]基于傳遞熵和小波神經(jīng)網(wǎng)絡(luò)的電壓互感器誤差預(yù)測方法

有效

• 申請?zhí)枺?/td>: 202010561604.9
• 申請日: 2020-06-18
• 公開（公告）號: CN111814390B
• 公開（公告）日: 2023-07-28
• 發(fā)明（設(shè)計）人: 李振華;鄭嚴(yán)鋼;黃悅?cè)A;李振興;邾玢鑫;徐艷春;楊楠;張磊;劉頌凱;蔣偉輝
• 申請（專利權(quán)）人: 三峽大學(xué)
• 主分類號: G06F30/27
• 分類號: G06F30/27;G01R35/02
• 代理公司: 宜昌市三峽專利事務(wù)所 42103
• 代理人: 吳思高

1.基于傳遞熵和小波神經(jīng)網(wǎng)絡(luò)的電壓互感器誤差預(yù)測方法，其特征在于包括以下步驟：

步驟1、采集數(shù)據(jù)：

采集電子式電壓互感器運行的環(huán)境參量、電氣參數(shù)、誤差數(shù)據(jù)；

步驟2、數(shù)據(jù)篩選：

計算環(huán)境參量和電氣參數(shù)對誤差數(shù)據(jù)的傳遞熵值，以熵值大小及正負(fù)選取主要影響量，分別計算環(huán)境參量和電氣參數(shù)這些影響因素對比差、角差的傳遞熵值，并篩選具有強(qiáng)相關(guān)性的影響因素；

所述步驟2包括以下步驟：

步驟2.1：應(yīng)用傳遞熵值的前提，判斷影響因素Y和誤差X是否在時間序列上滿足Markov性質(zhì)；即在隨機(jī)過程{X(t),t∈T}的狀態(tài)空間中，若對于時間t的任意n個數(shù)值t₁t₂…t_n，在條件X(t_i)＝x_i,(i＝1,2,…,n-1)下，X(t_n)的條件分布函數(shù)等于在條件X(t_n-1)＝x_n-1下的條件分布概率，即：

P{X(t_n)≤x_n|X(t₁)＝x₁,X(t₂)＝x₂,...,X(t_n-1)＝x_n-1}＝P{X(t_n)≤x_n|X(t_n-1)＝x_n-1}；

上式中，n為采樣時間t的長度，t₁,t₂,…,t_n表示在時間序列上依次遞進(jìn)的采樣時間點；X(t_i)＝x_i為在采用時間為t_i時的誤差值；誤差集合X＝[x₁,x₂,…,x_n]；

步驟2.2：計算影響因素Y對誤差X的傳遞熵值：

上式中，為影響量和誤差值的聯(lián)合分布概率，n為時間序列長度；為事件已經(jīng)發(fā)生的情況下，事件x_n+1發(fā)生的條件概率；k和l分別為變量X，Y的維度，即：

根據(jù)Markov性質(zhì)，維度k和l將誤差集合X＝[x₁,x₂,…,x_n]，Y＝[y₁,y₂,…,y_n]限制至[x_n,x_n-1,…,x_n-k+1]和[y_n,y_n-1,…,y_n-l+1]，一般為簡化計算，令k和l都等于1，并不影響研究兩變量間的傳遞關(guān)系；

步驟2.3：根據(jù)熵值正負(fù)判斷信息傳遞方法，若為正，則說明當(dāng)前影響因素Y在一定程度上影響著誤差X的波動；若為負(fù)，則說明傳遞關(guān)系由誤差X流向影響因素Y；熵值越大，說明影響程度越強(qiáng)烈；熵值趨于0，則視為無影響關(guān)系；相比各熵值正負(fù)及大小，篩選出主要影響因素；

步驟3、建立誤差預(yù)測模型：

對篩選具有強(qiáng)相關(guān)性的影響因素進(jìn)行歸一化處理，使數(shù)據(jù)處于一個數(shù)量級，將處理后的數(shù)據(jù)作為輸入量，通過小波神經(jīng)網(wǎng)絡(luò)分別建立比差預(yù)測模型和角差預(yù)測模型；

所述步驟3中，建立誤差預(yù)測模型包括：

1)對篩選所得數(shù)據(jù)，進(jìn)行歸一化值至[-1,1]區(qū)間，歸一化公式如下：

式中，y為篩選所得數(shù)據(jù)，y_min和y_max分別為數(shù)據(jù)的最小值、最大值；

2)電子式電壓互感器的數(shù)據(jù)具有連續(xù)性和周期性，故為小波神經(jīng)網(wǎng)絡(luò)選取Morlet母小波基函數(shù)，將輸入信號分解成一系列小波函數(shù)的疊加：

式中，p為激勵函數(shù)輸入，ω為小波頻率，jωp表示虛部；

3)將歸一化所的數(shù)據(jù)作為輸入，分別建立多輸入單輸出的緊致型小波神經(jīng)網(wǎng)絡(luò)比差與角差預(yù)測模型；

步驟4、精度驗證：

計算預(yù)測曲線與期望曲線的誤差，以平均絕對誤差來表征誤差預(yù)測方法的精度。