一種基于bp神經(jīng)網(wǎng)絡(luò)的節(jié)點電壓暫降幅值計算方法
【專利摘要】本發(fā)明目的在于提供一種基于BP神經(jīng)網(wǎng)絡(luò)的節(jié)點電壓暫降幅值計算方法，包括以下步驟：隨機(jī)選取一批故障點，并確定這些故障點電壓暫降幅值的影響因素作為故障點參數(shù)；生成訓(xùn)練故障點集，計算所述故障點的故障后節(jié)點電壓暫降幅值；以所述故障點參數(shù)作為輸入向量，用對應(yīng)所述的故障后節(jié)點電壓暫降幅值作為輸出向量，形成訓(xùn)練樣本；依據(jù)所述輸入向量和輸出向量構(gòu)造BP神經(jīng)網(wǎng)絡(luò)模型；利用所述訓(xùn)練樣本對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)模型；選定待計算節(jié)點及其故障點參數(shù)，生成測試輸入向量，將測試輸入向量輸入訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)模型，其輸出就是待計算節(jié)點的故障后節(jié)點電壓暫降幅值。
【專利說明】一種基于BP神經(jīng)網(wǎng)絡(luò)的節(jié)點電壓暫降幅值計算方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電能質(zhì)量分析與控制【技術(shù)領(lǐng)域】，具體來說涉及一種基于BP神經(jīng)網(wǎng)絡(luò) 的節(jié)點電壓暫降幅值計算方法。

【背景技術(shù)】
[0002] 電能作為一種商品，也有質(zhì)量的要求。隨著經(jīng)濟(jì)的發(fā)展和電網(wǎng)規(guī)模的不斷擴(kuò)大，電 能質(zhì)量逐漸成為用戶和供電企業(yè)關(guān)心的熱點問題。其中，由于電壓暫降影響范圍廣、對敏感 設(shè)備影響較大、給工業(yè)用戶帶來巨額經(jīng)濟(jì)損失等原因，電壓暫降問題已經(jīng)被公認(rèn)為是影響 用電設(shè)備正常、安全運(yùn)行的最主要的電能質(zhì)量問題，在工業(yè)發(fā)達(dá)國家和地區(qū)已經(jīng)受到廣泛 的關(guān)注。傳統(tǒng)的故障后節(jié)點電壓的計算一般是利用專門的電力系統(tǒng)分析軟件來進(jìn)行計算， 需要很高的計算機(jī)配置和大容量的內(nèi)存，計算方法復(fù)雜，計算效率不高，所需要的計算參數(shù) 文件是固定的格式。


【發(fā)明內(nèi)容】

[0003] 針對現(xiàn)有方法的局限性，本發(fā)明提供了一種基于BP神經(jīng)網(wǎng)絡(luò)的節(jié)點電壓暫降幅 值計算方法，用來實現(xiàn)對電網(wǎng)故障后各節(jié)點電壓暫降幅值進(jìn)行快速的計算，對于電網(wǎng)的風(fēng) 險評估，電網(wǎng)薄弱環(huán)節(jié)查找、電網(wǎng)改造、故障分析、日常運(yùn)行操作維護(hù)等方面的提供助參考 依據(jù)。
[0004] 本發(fā)明所的技術(shù)解決方案是：
[0005] 一種基于BP神經(jīng)網(wǎng)絡(luò)的節(jié)點電壓暫降幅值計算方法，包括以下步驟：
[0006] 1.隨機(jī)選取一批故障點，并確定這些故障點電壓暫降幅值的影響因素作為故障點 參數(shù)；
[0007] 2.生成訓(xùn)練故障點集，計算所述故障點的故障后節(jié)點電壓暫降幅值；
[0008] 3.以步驟1的所述故障點參數(shù)作為輸入向量，用對應(yīng)的步驟2所述的故障后節(jié)點 電壓暫降幅值作為輸出向量，形成訓(xùn)練樣本；
[0009] 4.依據(jù)所述輸入向量和輸出向量構(gòu)造 BP神經(jīng)網(wǎng)絡(luò)（人工神經(jīng)網(wǎng)絡(luò)）模型；
[0010] 5.利用所述訓(xùn)練樣本對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)模 型；
[0011] 6.選定待計算節(jié)點及其故障點參數(shù)，生成測試輸入向量，將測試輸入向量輸入訓(xùn) 練后的BP神經(jīng)網(wǎng)絡(luò)模型，其輸出就是待計算節(jié)點的故障后節(jié)點電壓暫降幅值。
[0012] 步驟1中所述的影響因素包括：故障類型T，故障點位置λ，故障線路兩端與待計 算節(jié)點的阻抗值Z 1, Z2;所述的故障類型包括4類，分別為：單相故障，兩相故障，兩相接地故 障，三相故障；所述的輸入向量維數(shù)為4。
[0013] 相比于傳統(tǒng)的計算方法，本發(fā)明提出的計算該方法具有以下優(yōu)勢：1、計算參數(shù)少， 計算流程簡單，計算效率高；2、采用BP神經(jīng)網(wǎng)絡(luò)模型，利用其以任意精度逼近任意連續(xù)函 數(shù)的性質(zhì)，通過模型的自動學(xué)習(xí)，將預(yù)測因素間的內(nèi)在聯(lián)系通過神經(jīng)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值分 布實現(xiàn)隱性表達(dá)，計算的準(zhǔn)確性高。

【專利附圖】

【附圖說明】
[0014] 圖1基于BP神經(jīng)網(wǎng)絡(luò)的節(jié)點電壓暫降幅值計算方法流程圖。

【具體實施方式】
[0015] 本發(fā)明的思路是利用BP神經(jīng)網(wǎng)絡(luò)建立故障后節(jié)點電壓暫降幅值的計算方法，利 用該模型計算故障后指定節(jié)點的電壓暫降幅值。
[0016] 下面結(jié)合附圖1對本發(fā)明的【具體實施方式】作進(jìn)一步說明：
[0017] Stepl :確定節(jié)點電壓暫降幅值的影響因素作為故障點參數(shù)；所述影響因素包括： 故障類型T，故障點位置λ，故障線路兩端與待計算節(jié)點的阻抗值Z 1, Z2。
[0018] 具體步驟如下：
[0019] I. 1.在電網(wǎng)中隨機(jī)選擇1000個不同的故障點，對每個故障點隨機(jī)分配一種故障 類型，對每個故障點確定一個待計算節(jié)點電壓暫降幅值的節(jié)點號，并用節(jié)點號表示故障線 路：線路（j，k);其中j和k分別為始、末節(jié)點號，且j〈k;
[0020] 1. 2.確定每個故障點所在的故障線路，若故障發(fā)生在線路上，則計算該故障線路 上節(jié)點編號最小的節(jié)點到故障點的距離與故障線路長度的比值，得到故障位置λ的值；例 如在線路a (j，k)，（j < k)上發(fā)生故障，故障點為f，則故障位置λ = Ljf/Ljk。如果故障點 不是發(fā)生在線路上，而是發(fā)生在節(jié)點上，在選取與故障節(jié)點相連的所有節(jié)點中編號最小的 節(jié)點與故障節(jié)點構(gòu)成故障線路a (j，k), (j <k)，若故障發(fā)生在線路始端，則λ =〇,若故 障發(fā)生在末端，則λ = 1 ;
[0021] 1. 3.確定每個故障類型的值Τ。故障類型包括4類，并用數(shù)字表示故障類型：0表 示單相故障，〇. 3表示兩相故障，0. 6表示兩相接地故障，1表示三相故障；
[0022] 1. 4.確定故障線路兩端與待計算節(jié)點的阻抗值Z1, Z2。從電網(wǎng)阻抗矩陣中查找故 障線路兩端與待計算節(jié)點的阻抗值。例如故障線路端節(jié)點號為（j，k)，待計算節(jié)點號為m， 則待計算節(jié)點的阻抗值為Z nu, Zmk。對于輸入?yún)?shù)要做歸一化處理，這里采用如下公式對阻 抗值做歸一化處理：

【權(quán)利要求】
1. 一種基于BP神經(jīng)網(wǎng)絡(luò)的節(jié)點電壓暫降幅值計算方法，其特征在于包括以下步驟： 1) 隨機(jī)選取一批故障點，并確定這些故障點電壓暫降幅值的影響因素作為故障點參 數(shù)； 2) 生成訓(xùn)練故障點集，計算所述故障點的故障后節(jié)點電壓暫降幅值； 3) 以步驟1)的所述故障點參數(shù)作為輸入向量，用對應(yīng)的步驟2)所述的故障后節(jié)點電 壓暫降幅值作為輸出向量，形成訓(xùn)練樣本； 4) 依據(jù)所述輸入向量和輸出向量構(gòu)造BP神經(jīng)網(wǎng)絡(luò)模型； 5) 利用所述訓(xùn)練樣本對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)模型； 6) 選定待計算節(jié)點及其故障點參數(shù)，生成測試輸入向量，將測試輸入向量輸入訓(xùn)練后 的BP神經(jīng)網(wǎng)絡(luò)模型，其輸出就是待計算節(jié)點的故障后節(jié)點電壓暫降幅值。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于：步驟1中所述的影響因素包括：故障類型 T，故障點位置λ，故障線路兩端與待計算節(jié)點的阻抗值Z1,Z2;所述的故障類型包括4類， 分別為：單相故障，兩相故障，兩相接地故障，三相故障。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于：所述的輸入向量維數(shù)為4。
4. 根據(jù)權(quán)利要求1所述的方法，其特征在于：所述步驟1)的計算故障點參數(shù)的具體過 程如下： I. 1)在電網(wǎng)中隨機(jī)選擇1000個不同的故障點，對每個故障點隨機(jī)分配一種故障類型， 對每個故障點確定一個待計算節(jié)點電壓暫降幅值的節(jié)點號，并用節(jié)點號表示故障線路：線 路（j，k);其中j和k分別為始、末節(jié)點號，且j〈k; 1. 2)確定每個故障點所在的故障線路，若故障發(fā)生在線路上，則計算該故障線路上節(jié) 點編號最小的節(jié)點到故障點的距離與故障線路長度的比值，得到故障位置λ的值；例如在 線路a(j，k)，（j<k)上發(fā)生故障，故障點為f，則故障位置λ=Ljf/Ljk;如果故障點不是 發(fā)生在線路上，而是發(fā)生在節(jié)點上，在選取與故障節(jié)點相連的所有節(jié)點中編號最小的節(jié)點 與故障節(jié)點構(gòu)成故障線路a(j，k),(j<k)，若故障發(fā)生在線路始端，則λ=〇,若故障發(fā) 生在末端，則λ= 1 ; 1. 3)確定每個故障類型的值T;故障類型包括4類，并用數(shù)字表示故障類型：0表示單 相故障，〇. 3表示兩相故障，0. 6表示兩相接地故障，1表示三相故障； 1.4)確定故障線路兩端與待計算節(jié)點的阻抗值Z1,Z2;從電網(wǎng)阻抗矩陣中查找故障線 路兩端與待計算節(jié)點的阻抗值；故障線路端節(jié)點號為（j，k)，待計算節(jié)點號為m,則待計算 節(jié)點的阻抗值為Znu,Zmk;對于輸入?yún)?shù)要做歸一化處理，這里采用如下公式對阻抗值做歸 一化處理：
上式中minZ、minZ分別代表阻抗矩陣中的最大、最小阻抗值； 1. 5)綜合步驟L2)-L4)，形成每個故障的故障點參數(shù)（λ，T，Z1,Z2)。
5. 根據(jù)權(quán)利要求1所述的方法，其特征在于：所述步驟2)中，生成訓(xùn)練故障點集是利 用電力系統(tǒng)分析軟件對各故障點集進(jìn)行計算，得到每個故障后對應(yīng)的待計算節(jié)點的電壓暫 降幅值計算故障后節(jié)點電壓暫降幅值。
6. 根據(jù)權(quán)利要求1所述的方法，其特征在于：所述步驟4)中依據(jù)輸入向量和輸出向量 構(gòu)造BP神經(jīng)網(wǎng)絡(luò)模型具體采取以下步驟： 4. 1)依據(jù)輸入向量的元素個數(shù)確定輸入層的神經(jīng)元數(shù)量，4 ; 4. 2)根據(jù)Kolmogorv定理（柯爾莫哥洛夫定理），依據(jù)輸入層的神經(jīng)元數(shù)量確定隱含 層神經(jīng)元數(shù)量； 4. 3)依據(jù)輸出向量的元素確定輸出層神經(jīng)元數(shù)量。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于：根據(jù)輸入向量元素有四個，故輸入層的神 經(jīng)元數(shù)量為，根據(jù)輸入層神經(jīng)元數(shù)量為4,依據(jù)Kolmogorv定理得隱含層神經(jīng)元數(shù)量為11 ; 輸出層神經(jīng)元數(shù)量為1。
8. 根據(jù)權(quán)利要求1所述的方法，其特征在于：所述步驟5)中訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練 步驟如下： 5. 1)BP神經(jīng)網(wǎng)絡(luò)初始化；根據(jù)模型確定輸入層節(jié)點數(shù)、隱含層節(jié)點數(shù)和輸出層節(jié)點 數(shù)，初始化WijWki、隱含層第i個節(jié)點的閾值Θi、輸出層第k的閾值ak，給定學(xué)習(xí)速率η(〇 <η< 1)、隱含層的激勵函數(shù)Φ(X)和輸出層的激勵函數(shù)Φ(X);選函數(shù)為：
5.2)信號的前向傳播過程： 隱含層第i個節(jié)點的輸入neti:
隱含層第i個節(jié)點的輸出yi:
輸出層第k個節(jié)點的輸入netk:
輸出層第k個節(jié)點的輸出ot:
5. 3)誤差的反向傳播過程；誤差的反向傳播，即首先由輸出層開始逐層計算各層神經(jīng) 元的輸出誤差，然后根據(jù)誤差梯度下降法來調(diào)節(jié)各層的權(quán)值和閾值，使修改后的網(wǎng)絡(luò)的最 終輸出能接近期望值； 對于每一個樣本P的二次型誤差準(zhǔn)則函數(shù)為Ep:
系統(tǒng)對P個訓(xùn)練樣本的總誤差準(zhǔn)則函數(shù)為：
5.4) 判斷算法迭代是否結(jié)束，若沒有結(jié)束，繼續(xù)往下執(zhí)行； 5.5) 修正權(quán)值和閾值，并返回5.2);根據(jù)誤差梯度下降法依次修正輸出層權(quán)值的修 正量Awki，輸出層閾值的修正量Aak，隱含層權(quán)值的修正量Awij，隱含層閾值的修正量 Δ Θi；

將輸出層權(quán)值、隱含層權(quán)值、輸出層閾值和隱含層閾值做為下一次模型的訓(xùn)練參數(shù)，通 過不斷修正判斷模型，直到得到符合要求的模型； 其中，〇1，O2，…Ok為BP神經(jīng)網(wǎng)絡(luò)的預(yù)測值，WU為輸入層與隱含層的權(quán)值，Wki為隱含層 與輸出層的權(quán)值。
【文檔編號】G01R19/00GK104459373SQ201410633125
【公開日】2015年3月25日 申請日期:2014年11月11日 優(yōu)先權(quán)日:2014年11月11日
【發(fā)明者】謝偉倫, 李海濤, 謝培成, 陳蔚茹, 曾江, 吳少臣, 歐陽森, 劉平 申請人:廣東電網(wǎng)有限責(zé)任公司東莞供電局