[發(fā)明專利]一種電能表現(xiàn)場(chǎng)檢驗(yàn)儀壽命預(yù)測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110643912.0
• 申請(qǐng)日: 2021-06-09
• 公開（公告）號(hào): CN113378464A
• 公開（公告）日: 2021-09-10
• 發(fā)明（設(shè)計(jì)）人: 戴睿;楊霖;王首堃;葛春萌;張志龍;姜韜;王維光;張文婷;李璐璐
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)天津市電力公司營(yíng)銷服務(wù)中心;國(guó)家電網(wǎng)有限公司;國(guó)網(wǎng)天津市電力公司
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06N3/00;G06F119/04
• 代理公司: 天津市三利專利商標(biāo)代理有限公司 12107
• 代理人: 張義

1.一種電能表現(xiàn)場(chǎng)檢驗(yàn)儀壽命預(yù)測(cè)方法，其特征在于，包括如下步驟：

步驟S1：獲取電能表現(xiàn)場(chǎng)檢驗(yàn)儀壽命預(yù)測(cè)所需的多源異構(gòu)數(shù)據(jù)；

步驟S2：對(duì)獲取的多源異構(gòu)數(shù)據(jù)進(jìn)行預(yù)處理；

步驟S3：將輸入的多源異構(gòu)數(shù)據(jù)融合，利用改進(jìn)烏鴉算法(improved crow searchalgorithm,ICSA)優(yōu)化深度信念網(wǎng)絡(luò)，構(gòu)建出ICSA-DBN預(yù)測(cè)模型；

步驟S4：利用所述ICSA-DBN預(yù)測(cè)模型對(duì)電能表現(xiàn)場(chǎng)檢驗(yàn)儀進(jìn)行壽命預(yù)測(cè)，獲取待預(yù)測(cè)檢驗(yàn)儀的壽命。

2.根據(jù)權(quán)利要求1所述的電能表現(xiàn)場(chǎng)檢驗(yàn)儀壽命預(yù)測(cè)方法，其特征在于，

步驟S1中，獲取電能表現(xiàn)場(chǎng)檢驗(yàn)儀壽命預(yù)測(cè)所需的多源異構(gòu)數(shù)據(jù)，具體包括如下步驟：

利用異構(gòu)感知設(shè)備獲取現(xiàn)場(chǎng)檢驗(yàn)儀的屬性數(shù)據(jù)，以及運(yùn)行狀態(tài)數(shù)據(jù)；

同時(shí)，利用網(wǎng)絡(luò)爬蟲獲取檢驗(yàn)現(xiàn)場(chǎng)工況數(shù)據(jù)，作為反映實(shí)時(shí)工況的外部特征數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的電能表現(xiàn)場(chǎng)檢驗(yàn)儀壽命預(yù)測(cè)方法，其特征在于，

步驟S2中，對(duì)獲取的多源異構(gòu)數(shù)據(jù)進(jìn)行預(yù)處理，具體包括如下步驟：

首先，檢測(cè)異常數(shù)據(jù)，利用箱線圖法處理大偏差數(shù)據(jù)，利用插值法填補(bǔ)空缺值；

其次，對(duì)數(shù)據(jù)進(jìn)行二進(jìn)制編碼，轉(zhuǎn)為多維向量數(shù)據(jù)；

最后，對(duì)各類數(shù)據(jù)按照式(1)進(jìn)行無量綱化處理，消除各類數(shù)據(jù)間的量綱差異：

其中，x_max和x_min分別表示樣本數(shù)據(jù)x的最大和最小值。

4.根據(jù)權(quán)利要求1所述的電能表現(xiàn)場(chǎng)檢驗(yàn)儀壽命預(yù)測(cè)方法，其特征在于，

步驟S3中，將輸入的無量綱化多源異構(gòu)數(shù)據(jù)融合，具體包括：

輸入的無量綱化多源數(shù)據(jù)通過兩層無監(jiān)督受限玻爾茲曼機(jī)RBM和一層反向傳播網(wǎng)絡(luò)進(jìn)行融合，RBM聯(lián)合狀態(tài)能量函數(shù)和隱層神經(jīng)元的激活概率可表示如下：

其中，v和h分別為可視層和隱藏層的狀態(tài)向量，a和b分別為可視層和隱藏層的偏置向量，ω為連接v和h的權(quán)值，為Sigmoid函數(shù)，神經(jīng)元h_j的激活概率為：

其中，u～U(0,1)，重構(gòu)時(shí)隱層神經(jīng)元激活顯層神經(jīng)元的概率為：

反向傳播網(wǎng)絡(luò)輸出神經(jīng)元及其權(quán)重表達(dá)式為：

其中，η為微調(diào)學(xué)習(xí)速率，δ∈(0,1)為遞減系數(shù)，o_pj為神經(jīng)元輸出信號(hào)。

5.根據(jù)權(quán)利要求1所述的電能表現(xiàn)場(chǎng)檢驗(yàn)儀壽命預(yù)測(cè)方法，其特征在于，

步驟S3中，利用改進(jìn)烏鴉算法優(yōu)化深度信念網(wǎng)絡(luò)的流程包括如下步驟：

步驟S3.1設(shè)置初始種群規(guī)模p、察覺概率r、飛行步長(zhǎng)fl以及最大迭代次數(shù)T，利用Tent混沌映射生成初始種群，確定烏鴉初始位置和藏食位置，以及搜索空間的上下界；

步驟S3.2求解種群中個(gè)體的適應(yīng)度函數(shù)，即均方根誤差；

步驟S3.3按照式(6)更新烏鴉位置，若新的位置可行則移動(dòng)，反之不進(jìn)行更新；

式中，和分別表示在第t次迭代時(shí)烏鴉i所處的位置和藏食位置，g_i和g_j為[0,1]之間的任意值，fl_i^t和r_j^t分別表示在第t次迭代時(shí)烏鴉i的飛行步長(zhǎng)和烏鴉j的察覺概率，Levy(λ)為隨機(jī)搜索路徑，可表示為：

式中β通常取1.5，其中：

步驟S3.4計(jì)算烏鴉新位置的適應(yīng)度，若較原適應(yīng)度值更優(yōu)，則更新藏食位置，反之不進(jìn)行更新；

步驟S3.5重復(fù)更新烏鴉位置至迭代終止，輸出全局最優(yōu)位置，即為DBN最優(yōu)參數(shù)組合，確定最優(yōu)偏置值和權(quán)值。