[發明專利]基于Res-BP神經網絡的特高壓線路電暈損耗預測方法

在審

• 申請號: 202210794616.5
• 申請日: 2022-07-05
• 公開（公告）號: CN115169693A
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 蘭生;李志川;原永濱
• 申請（專利權）人: 福州大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62;G06N3/00;G06N3/08
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 郭東亮;蔡學俊

1.基于Res-BP神經網絡的特高壓線路電暈損耗預測方法，其特征在于：包括以下步驟；

步驟S1、通過隨機森林算法RF，以MSE作為基尼不純度，對天氣條件的重要性進行計算與排序，選擇重要性排名靠前的天氣條件構建特征集合數據集；

步驟S2、利用數據集不同日期中天氣條件之間的差異，利用BIRCH算法對其進行分類；在此基礎上，建立Res-BP神經網絡模型，對特高壓輸電線路電暈損耗進行預測，并運用PSO尋優算法對模型內部參數進行優化調整；

步驟S1中，特征集合數據集包括自變量和因變量，自變量為天氣條件，因變量為電暈損耗值，設W_in為線路輸入總電量，W_out為線路輸出總電量，W_L為線路總損耗值，W_C為電暈損耗值，W_I為絕緣子損耗值，W_R為電阻損耗值，則電暈損耗值的計算公式為：

W_L＝W_in-W_out 公式十七；

W_C＝W_L-W_I-W_R 公式十八。

2.根據權利要求1所述的基于Res-BP神經網絡的特高壓線路電暈損耗預測方法，其特征在于：步驟S1中包括以下步驟；

步驟A1、對天氣數據的特征值進行歸一化處理；

步驟A2、選擇天氣數據中的特征值；

步驟S2中包括以下步驟；

步驟A3、對特征集合分類；

步驟A4、確定Res-BP神經網絡結構；

步驟A5、以PSO算法尋優算法對Res-BP神經網絡中全連接層神經元數進行尋優；

步驟A6、輸出預測結果。

3.根據權利要求2所述的基于Res-BP神經網絡的特高壓線路電暈損耗預測方法，其特征在于：所述步驟A1對天氣數據的特征值進行歸一化處理，公式為

其中，x'為歸一化后的數值。x為原始數值，x_max,x_min分別為所選取數據集中的最大最小值；

所述步驟A2選擇天氣數據中的特征值，具體方法為：將歸一化后的特征值送入隨機森林模型中，對不同天氣條件進行重要性計算，依特征重要性大小對其進行排序，選擇出重要性較大、排序靠前的特征值構建天氣數據相關的特征集合數據集；

所述隨機森林算法基于決策樹，其使用Bagging方法從訓練集中隨機且可重復地抽取樣本，并構成k棵回歸樹以構建模型，再對模型進行訓練，以票選或平均的方式得到算法結果，步驟A2中，在分類任務中使用基尼系數作為基尼不純度，在回歸任務中采用均方誤差MSE作為基尼不純度，MSE公式為

式中，T_i表示真實電暈損耗值，P_i表示預測電暈損耗值，N表示電暈損耗樣本個數；

RF模型訓練完成后得到不同樹、不同特征值的MSE值；設某一特征值出現在i棵回歸樹中(i≤k)，則通過計算得到MSE矩陣為[MSE₁,MSE₂,......,MSE_i]，對于i個MSE值，通過下述公式計算得到此特征值的特征重要性：

式中，Vim是特征值的特征重要性，k為樹的個數，∑MSE為當前樹中所有MSE的總和。