[發(fā)明專利]基于Elman神經(jīng)網(wǎng)絡(luò)變壓器油色譜特征氣體的預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202211348918.6
• 申請日: 2022-10-31
• 公開（公告）號: CN115759185A
• 公開（公告）日: 2023-03-07
• 發(fā)明（設(shè)計）人: 李晨;赫志遠;于大海;劉鵬;許志亮;劉新民
• 申請（專利權(quán)）人: 國網(wǎng)山東省電力公司青島供電公司
• 主分類號: G06N3/044
• 分類號: G06N3/044;G06N3/08
• 代理公司: 上海恒慧知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 31317
• 代理人: 張寧展

1.一種基于Elman神經(jīng)網(wǎng)絡(luò)的變壓器油色譜特征氣體的預(yù)測方法，其特征在于，包括如下步驟：

步驟1：獲取變壓器油色譜特征氣體的歷史數(shù)據(jù)，作為訓(xùn)練樣本進行歸一化處理；

步驟2：搭建Elman神經(jīng)網(wǎng)絡(luò)模型：

根據(jù)訓(xùn)練初始化超參數(shù)，包括隱含層、節(jié)點數(shù)、學(xué)習(xí)率，并將超參數(shù)、權(quán)值和神經(jīng)元偏置，一起傳入Elman神經(jīng)網(wǎng)絡(luò)模型；

步驟3：判斷經(jīng)Elman網(wǎng)絡(luò)模型輸出的結(jié)果是否滿足精度要求：

若滿足，則進行反歸一化處理輸出預(yù)測結(jié)果；

若不滿足，則利用對比散度算法更新層間權(quán)值和各層神經(jīng)元偏置：

步驟4：將利用對比散度算法更新的權(quán)值和神經(jīng)元偏置傳入Elman經(jīng)網(wǎng)絡(luò)模型模型；

步驟5：循環(huán)執(zhí)行步驟(4)和步驟(5)，直到滿足精度要求。

2.根據(jù)權(quán)利要求1所述的基于Elman神經(jīng)網(wǎng)絡(luò)的變壓器油色譜特征氣體的預(yù)測方法，其特征在于，所述的油色譜特征氣體歷史數(shù)據(jù)，隨著時間推進，隨著變壓器設(shè)備的運行，新采集的數(shù)據(jù)將會自更新寫入，豐富的樣本數(shù)據(jù)可以大大提高預(yù)測的準(zhǔn)確率。

3.根據(jù)權(quán)利要求1所述的基于Elman神經(jīng)網(wǎng)絡(luò)的變壓器油色譜特征氣體的預(yù)測方法，其特征在于，所述的油色譜特征氣體歷史樣本數(shù)據(jù)包含H₂、CH₄、C₂H₂、C₂H₄、C₂H₆和CO₂六種油色譜特征氣體；同時檢查數(shù)據(jù)，如果數(shù)據(jù)有缺失，則取樣本數(shù)據(jù)同種特征氣體的所有數(shù)值的中位數(shù)進行填充。

4.根據(jù)權(quán)利要求1所述的基于Elman神經(jīng)網(wǎng)絡(luò)的變壓器油色譜特征氣體的預(yù)測方法，其特征在于，所述的歸一化處理，公式為：

其中，x_i為樣本數(shù)據(jù)，y_i為歸一化后結(jié)果。

5.根據(jù)權(quán)利要求1所述的基于Elman神經(jīng)網(wǎng)絡(luò)的變壓器油色譜特征氣體的預(yù)測方法，其特征在于，所述的Elman神經(jīng)網(wǎng)絡(luò)模型，包括輸入層、隱含層、承接層和輸出層四層結(jié)構(gòu)，其非線性狀態(tài)空間表達式為：

y(k)＝g(w³x(k))

x(k)＝f(w¹x_c(k)+w²(u(k-1)))

x_c(k)＝x(k-1)

其中，y為m維輸出節(jié)點向量，x為n維隱含層節(jié)點單元向量，u為r維輸入向量，x_c為n維反饋狀態(tài)向量，w³為隱含層到輸出層鏈接權(quán)值，w²為輸入層到隱含層的連接權(quán)值，w¹為承接層到隱含層的連接權(quán)值，g()為輸出神經(jīng)元的傳遞函數(shù)，是隱含層輸出的線性組合，f()為隱含層神經(jīng)元的傳遞函數(shù)，即Sigmoid函數(shù)，判斷經(jīng)Elman神經(jīng)網(wǎng)絡(luò)模型預(yù)測得到的精度是否滿足要求。

6.根據(jù)權(quán)利要求5所述的基于Elman神經(jīng)網(wǎng)絡(luò)的變壓器油色譜特征氣體的預(yù)測方法，其特征在于，所述輸入層的單元只傳輸信號，輸出層的單元具有線性加權(quán)的功能；所述承接層，用于記憶隱層的前一個時間步長輸出，看作是一步時間延遲算子；所述隱含層的神經(jīng)元個數(shù)其中，R為輸入層的神經(jīng)元個數(shù)，N為節(jié)點數(shù)，ω為可調(diào)節(jié)系數(shù)，取值范圍(1,6)。

7.根據(jù)權(quán)利要求5所述的基于Elman神經(jīng)網(wǎng)絡(luò)的變壓器油色譜特征氣體的預(yù)測方法，其特征在于，當(dāng)輸出滿足精度要求時，進行反歸一化處理并輸出預(yù)測結(jié)果；不滿足精度要求時，對其利用對比散度算法進行權(quán)值和神經(jīng)元偏置更新。

8.根據(jù)權(quán)利要求7所述的基于Elman神經(jīng)網(wǎng)絡(luò)的變壓器油色譜特征氣體的預(yù)測方法，其特征在于，所述對比散度算法，公式為：

其中，f(x；θ)為算法模型，θ為模型參數(shù)，x¹是MCMC的第1步轉(zhuǎn)換，x⁰是輸入訓(xùn)練集，α是Gradient Descent的步長。