專利名稱：基于bp神經網絡和人工魚群的變電設備微觀分析方法
技術領域：
本發明涉及變電設備狀態微觀分析方法，尤其涉及一種基于BP神經網絡和人工魚群優化的變電設備狀態微觀分析方法。
背景技術：
電網公司作為資產密集型企業，其核心競爭力是資產效率最大化和成本最低化。 從早期的事后故障修理，到強調事先保養的預防性維護，電網設備資產精細化管理的意識正在逐步建立。變電設備狀態微觀分析是實現公司變電設備全壽命周期管理和精細化管理的重要基礎。變電設備精益管理是一個系統工程，涉及面廣點多，技術性強，是實行變電設備科學管理的基礎，是實現變電設備可靠運行的基石，是實現變電設備安全性最大化、經濟性最優化的途徑。變電設備狀態微觀情況是設備精益化管理的重要依據，狀態微觀分析的準確性直接影響設備管理的科學性。在充分獲取設備狀態信息的基礎上，建立設備狀態微觀分析方法，提高狀態微觀分析的智能化，能有效提高設備健康狀態微觀分析的準確性和效率?，F今有很多故障診斷方法被提出如專家系統、支持向量機、貝葉斯網絡等等，而BP 神經網絡以其高度的非線性映射及自組織、自學習能力，在電力系統模式識別、非線性優化及相關預測領域有著廣泛的應用前景。神經網絡是用大量簡單的處理單元廣泛連接的復雜網絡，用以模擬人類大腦神經網絡結構和行為，是一中“微觀”行為研究，其實質就是用來模擬人腦的信息處理功能，它無需建立任何物理模型，具有自組織、自學習能力；通過現場大量的標準樣本學習與訓練，不斷調整其的權值和閾值，使獲取的知識隱式分布在整個網絡上，并實現其模式記憶。當網絡的輸入接近訓練樣本時.網絡的輸出就接近樣本輸出；當輸入和輸出不匹配時可以在原有基礎上增加新的樣本繼續學習，提高精度，以達到合乎要求的輸入輸出的映射關系。雖然神經網絡有良好狀態微觀分析能力，但BP算法收斂速度慢， 易陷入局部極值。人工魚群智能優化算法具有良好的克服局部極值和取得全局極值的能力，其最先被應用于魯棒PID控制器參數的優化中，得到了令人滿意的結果。針對上述現有技術存在的問題，本發明利用人工魚群優化算法確定BP神經網絡的參數，然后利用變電設備故障范例庫的狀態微觀分析結果訓練BP神經網絡；將新獲取到的變電設備糠醛、微水、擊穿電壓、酸值、氫氣、乙炔、甲烷、乙烯、乙炔、投運時間、最近三年故障發生次數、最近三年故障等級的數據信息輸入到BP神經網絡中進行變電設備狀態微觀分析，以確定變電設備狀態，從而達到對變電設備狀態微觀情況進行智能分析的目的。本發明不僅可以降低盲目選擇BP神經網絡參數對狀態微觀分析結果的影響并提高變電設備狀態微觀分析的準確性。與此同時，本發明可實現不依賴電力專家對變電設備狀態微觀分析和判定的問題
發明內容
為了提高智能、高效、可靠地分析變電設備狀態微觀情況，本發明提出了一種基于 BP神經網絡和人工魚群優化的變電設備狀態微觀分析方法，包括如下步驟基于BP神經網絡和人工魚群的變電設備微觀分析方法，本發明特征是，步驟為1)、分別獲得變電設備糠醛、微水、擊穿電壓、酸值、氫氣含量、乙炔含量、甲烷含量、乙烯含量、乙炔含量、投運時間、最近三年故障發生次數、最近三年故障等級的數據信息；2)、利用人工魚群優化AFSO算法對BP神經網絡權值和閾值進行優化，確定權值和閾值的取值；3)、提取變電設備故障范例庫的狀態微觀分析結果訓練BP神經網絡；4)、將新獲取到的變電設備糠醛、微水、擊穿電壓、酸值、氫氣含量、乙炔含量、甲烷含量、乙烯含量、投運時間、最近三年故障發生次數、最近三年故障等級的數據信息輸入到 BP神經網絡中進行變電設備狀態微觀分析，以確定變電設備狀態。其中BP神經網絡由輸入節點、輸出節點和隱節點構成，假定輸入層的輸入向量為 X= (X1,X2,…dm)，則輸入層的輸出向量等于隱層的輸入向量，則隱層的輸入向量表示為
權利要求
1.基于BP神經網絡和人工魚群的變電設備微觀分析方法，其特征是，步驟為1)、分別獲得變電設備糠醛、微水、擊穿電壓、酸值、氫氣含量、乙炔含量、甲烷含量、乙烯含量、乙炔含量、投運時間、最近三年故障發生次數、最近三年故障等級的數據信息；2)、利用人工魚群優化AFSO算法對BP神經網絡權值和閾值進行優化，確定權值和閾值的取值；3)、提取變電設備故障范例庫的狀態微觀分析結果訓練BP神經網絡；4)、將新獲取到的變電設備糠醛、微水、擊穿電壓、酸值、氫氣含量、乙炔含量、甲烷含量、乙烯含量、投運時間、最近三年故障發生次數、最近三年故障等級的數據信息輸入到BP 神經網絡中進行變電設備狀態微觀分析，以確定變電設備狀態。
全文摘要
基于BP神經網絡和人工魚群的變電設備微觀分析方法，本發明先分別獲得變電設備糠醛、微水、擊穿電壓、酸值等數據信息；利用人工魚群優化AFSO算法對BP神經網絡權值和閾值進行優化，確定權值和閾值的取值；提取變電設備故障范例庫的狀態微觀分析結果訓練BP神經網絡；將新獲取到的變電設備糠醛、微水、擊穿電壓、酸值、氫氣含量、乙炔含量、甲烷含量、乙烯含量、乙炔含量、投運時間、最近三年故障發生次數、最近三年故障等級的數據信息輸入到BP神經網絡中進行變電設備狀態微觀分析，以確定變電設備狀態。本發明提高了變電設備狀態微觀分析的科學性、高效性和準確性。
文檔編號G01D21/02GK102564496SQ20121000448
公開日2012年7月11日 申請日期2012年1月9日 優先權日2012年1月9日
發明者于虹, 何程, 侯亞非, 吳毅, 姜虹云, 孫鵬, 崔志剛, 張少泉, 王達達, 趙現平, 陳磊, 馬儀, 魏杰 申請人:云南電力試驗研究院(集團)有限公司電力研究院