[發明專利]一種基于ADALINE神經網絡和IGG法的自適應抗差線路參數辨識方法

在審

• 申請號: 202110433811.0
• 申請日: 2021-04-22
• 公開（公告）號: CN113139287A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 薛安成;孔賀;喬登科;王永杰;冷爽;顧雷;郭鵬程;李業成;馬婧;莊文彬
• 申請（專利權）人: 華北電力大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/02;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于ADALINE神經網絡和IGG法的自適應抗差線路參數辨識方法，其特征包含以下步驟：

步驟1：基于線路參數的辨識模型，獲取輸入和輸出數據。

步驟2：建立ADALINE神經網絡，并進行訓練。

步驟3：基于訓練后的神經網絡確定輸入和輸出數據的權重，并對輸入輸出數據進行加權。

步驟4：再次對ADALINE神經網絡進行訓練，并獲取參數辨識結果，若滿足收斂條件，則輸出辨識結果，否則返回步驟3，繼續辨識。

2.根據要求1所述的基于ADALINE神經網絡和IGG法的自適應抗差線路參數辨識方法，其特征在于，所述步驟1中，以ADALINE神經網絡的權重作為參數辨識的輸出量，并基于輸電線路的參數辨識模型，確定適合ADALINE神經網絡的輸入和輸出數據。

具體地，用于訓練ADALINE神經網絡的輸入數據和輸出數據應滿足如下條件：

將(1)寫成矩陣形式，即，

b_t＝A_tx+v_t (2)

將(2)拓展至多個時間斷面，即，

b＝Ax+v (3)

其中，Eq.(3)的系數為，

A＝[A₁；A₂；…A_T]

b＝[b₁；b₂；…b_T] (4)

v＝[v₁；v₂；…v_T]

以A為輸入數據，b為輸出數據，v為方程的殘差。

3.根據要求1所述的基于ADALINE神經網絡和IGG法的自適應抗差線路參數辨識方法，其特征在于，所述步驟2中，基于Levenberg-Marquardt(LM)算法，以及步驟1中的輸入、輸出數據，對ADALINE神經網絡進行訓練。

4.根據要求1所述的基于ADALINE神經網絡和IGG法的自適應抗差線路參數辨識方法，其特征在于，所述步驟3中，基于已獲取的線路參數辨識結果，計算方程的殘差，并進一步確定輸入和輸出數據的權重。

基于方程的殘差，通過IGG抗差法和中位數估計確定權重，具體地，

其中，

s取1.0～1.5，r取2.5～3.0

基于上述公式，可對輸入數據進行賦權，即，

輸入數據：

[A_i1 A_i2 … A_in]→R_i[A_i1 A_i2 … A_in] (9)

輸出數據：

b_i→R_ib_i (10)

5.根據要求1所述的基于ADALINE神經網絡和IGG法的自適應抗差線路參數辨識方法，其特征在于，所述步驟4中，基于加權后的輸入數據和輸出數據，訓練神經網絡，獲取參數的辨識結果，若滿足收斂條件，則輸出辨識結果，否則返回步驟3，繼續辨識。