[發(fā)明專利]一種基于L-M算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)電弧檢測模型

在審

• 申請?zhí)枺?/td>: 202011005911.5
• 申請日: 2020-09-23
• 公開（公告）號(hào): CN112290887A
• 公開（公告）日: 2021-01-29
• 發(fā)明（設(shè)計(jì)）人: 林勇;李家偉
• 申請（專利權(quán)）人: 合肥工業(yè)大學(xué)
• 主分類號(hào): H02S50/10
• 分類號(hào): H02S50/10;G06N3/04;G06N3/08
• 代理公司: 連云港聯(lián)創(chuàng)專利代理事務(wù)所(特殊普通合伙) 32330
• 代理人: 劉剛

本發(fā)明公開了一種基于L?M算法改進(jìn)的神經(jīng)網(wǎng)絡(luò)電弧檢測模型，改進(jìn)后的網(wǎng)絡(luò)參數(shù)迭代算法為x_k+1＝x_k?(J_k^TJ_k+μI)^?1g_k；其中，I為單位矩陣，μ為大于0的比例常數(shù)；包括以下步驟：步驟1、通過羅氏線圈電流傳感器采集回路電流信號(hào)并通過FFT變換后得到電流頻譜信號(hào)；步驟2、計(jì)算并提取出樣本數(shù)據(jù)在時(shí)域和頻域的特征量；步驟3、搭建基于L?M算法改進(jìn)的神經(jīng)網(wǎng)絡(luò)電弧模型，并通過計(jì)算得到的測試樣本特征量對模型進(jìn)行不斷優(yōu)化，得到的最優(yōu)網(wǎng)絡(luò)模型即為最終的電弧檢測網(wǎng)絡(luò)模型；步驟4、將待檢測的電路電流經(jīng)過特征提取后輸入到電弧檢測網(wǎng)絡(luò)模型，判斷電弧故障。本發(fā)明為一種針對光伏直流串聯(lián)電弧故障的，基于L?M算法改進(jìn)的神經(jīng)網(wǎng)絡(luò)電弧檢測方法。

技術(shù)領(lǐng)域

本發(fā)明涉及光伏串聯(lián)電弧故障檢測領(lǐng)域，具體涉及一種基于L-M算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)電弧檢測方法。

背景技術(shù)

近年來，光伏產(chǎn)業(yè)發(fā)展迅猛且應(yīng)用成熟，很多的住宅、廠房、電站等都配備了光伏發(fā)電系統(tǒng)，相應(yīng)地，光伏電氣火災(zāi)事件發(fā)生頻率越來越高，對國民生命財(cái)產(chǎn)安全造成了嚴(yán)重危害。經(jīng)調(diào)查發(fā)現(xiàn)，光伏系統(tǒng)發(fā)生火災(zāi)事件的起因大多數(shù)歸為電弧故障，它們通常是由光伏系統(tǒng)直流側(cè)線路絕緣破損，光伏連接組件接觸不良等造成的。同時(shí)，光伏系統(tǒng)發(fā)生的電弧故障類型絕大多數(shù)為串聯(lián)電弧，光伏系統(tǒng)直流側(cè)的串聯(lián)電弧故障檢測顯得尤為重要。

傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)基于梯度下降法使代價(jià)函數(shù)不斷減小，實(shí)現(xiàn)對模型參數(shù)的尋優(yōu)，梯度下降法對參數(shù)的迭代公式如下：

x_k+1＝x_k-αg_k

式中，x_k和x_k+1分別為迭代前和迭代后的權(quán)值或者閾值，α為算法的迭代步長，又稱學(xué)習(xí)率，g_k為負(fù)梯度方向。該算法的α是固定的，若此參數(shù)設(shè)置過大可能會(huì)使得參數(shù)過更新，導(dǎo)致參數(shù)遠(yuǎn)離最優(yōu)值的情況；若此參數(shù)過小，則又會(huì)影響收斂速度，而且當(dāng)訓(xùn)練誤差較大的時(shí)候可能會(huì)使參數(shù)停止更新，局部極值。梯度下降算法不能根據(jù)代價(jià)函數(shù)的大小和變化情況對迭代步長進(jìn)行調(diào)整，檢測精度不高。

發(fā)明內(nèi)容

本發(fā)明提出了一種基于L-M算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)檢測模型的檢測方法，解決了現(xiàn)有的梯度下降算法不能根據(jù)代價(jià)函數(shù)的大小和變化情況對迭代步長進(jìn)行調(diào)整，檢測精度不高的問題。

本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種基于L-M算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)電弧檢測模型，包括基于L-M算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)電弧檢測模型為：光伏串聯(lián)電弧的特征量為回路電流的時(shí)域標(biāo)準(zhǔn)差和頻域中特征頻段的譜積分；改進(jìn)后的網(wǎng)絡(luò)參數(shù)迭代算法為x_k+1＝x_k-(J_k^TJ_k+μI)^-1g_k；其中，I為單位矩陣，μ為大于0的比例常數(shù)；

包括以下步驟：

步驟1、通過羅氏線圈電流傳感器采集回路電流信號(hào)并通過FFT變換后得到電流頻譜信號(hào)；

步驟2、計(jì)算并提取出樣本數(shù)據(jù)在時(shí)域和頻域的特征量：電流在固定時(shí)間內(nèi)的標(biāo)準(zhǔn)差和電流在特征頻段的譜積分；

步驟3、搭建基于L-M算法改進(jìn)的神經(jīng)網(wǎng)絡(luò)電弧模型，并通過計(jì)算得到的測試樣本特征量對模型進(jìn)行不斷優(yōu)化，得到的最優(yōu)網(wǎng)絡(luò)模型即為最終的電弧檢測網(wǎng)絡(luò)模型；

步驟4、將待檢測的電路電流經(jīng)過特征提取后輸入到電弧檢測網(wǎng)絡(luò)模型，判斷電弧故障。

優(yōu)選的，基于L-M算法改進(jìn)算法的BP神經(jīng)網(wǎng)絡(luò)參數(shù)迭代算法，I為單位矩陣，μ為大于0的比例常數(shù)，所述J_k為雅克比矩陣，具體表達(dá)式如下。