宋人杰　謝春杰

摘要：繼電保護狀態(tài)評估體系采用分值式對設(shè)備進行狀態(tài)評估，在模糊層次分析法中，影響因素的權(quán)重系數(shù)確定，參雜太多的人為因素，所以我們需要科學的計算出各個因素的權(quán)重。因此，引入動態(tài)模糊神經(jīng)網(wǎng)絡(luò)的綜合評判算法（DFNN），該算法避免了模糊層次分析法的缺陷，并使得結(jié)果更加的精確。通過實例分析，動態(tài)模糊神經(jīng)網(wǎng)絡(luò)綜合評判算法對設(shè)備狀態(tài)的評估比模糊層次分析法更準確。

關(guān)鍵詞：狀態(tài)評估；權(quán)重；模糊層次分析法；動態(tài)模糊神經(jīng)網(wǎng)絡(luò)

中圖分類號：TB文獻標識碼：A文章編號：16723198（2014）08018702

1引言

隨著電力工業(yè)的發(fā)展，電氣設(shè)備檢修系統(tǒng)從計劃性檢修向狀態(tài)檢修轉(zhuǎn)變。其核心任務(wù)是對設(shè)備狀態(tài)的評估。設(shè)備狀態(tài)性能優(yōu)劣的描述語言是定性的，但實際運行設(shè)備狀態(tài)信息是定量的，利用這些信息對設(shè)備進行狀態(tài)評估。首先是分析狀態(tài)評估建模中參量的選擇；其次確定參量與設(shè)備狀態(tài)變化的關(guān)系，即應(yīng)用動態(tài)模糊神經(jīng)網(wǎng)絡(luò)對設(shè)備中各因素隸屬函數(shù)的確定。

本文中，尋求每個參數(shù)信息和描述語言之間的相關(guān)關(guān)系，提出了一種基于動態(tài)模糊神經(jīng)網(wǎng)絡(luò)綜合評判算法，結(jié)合專家經(jīng)驗來確定因素的權(quán)重關(guān)系，使得動態(tài)模糊神經(jīng)網(wǎng)絡(luò)綜合評估模型可以真實反應(yīng)設(shè)備的狀態(tài)。

2動態(tài)模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與準則

2.1動態(tài)模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

所建立的網(wǎng)絡(luò)模型為二級綜合評判的模型，由n個一級評判子網(wǎng)和一個二級評判主網(wǎng)構(gòu)成，主網(wǎng)是評判對象在不同時刻的綜合評判值，采用RBF網(wǎng)絡(luò)訓(xùn)練。子網(wǎng)是模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合，動態(tài)模糊神經(jīng)網(wǎng)絡(luò)的子網(wǎng)絡(luò)的網(wǎng)絡(luò)模型結(jié)構(gòu)如圖1所示，包括輸入層、模糊化層、規(guī)則層、歸一化層和輸出層。

圖1動態(tài)模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖在圖1中，x1，x2，…，x3是輸入變量，y是輸出變量，MFru是第r個輸入變量的第u個隸屬函數(shù)，Ru表示第u條模糊規(guī)則，Nu是第u個模糊神經(jīng)元。

（1）第一層為輸入層：設(shè)xi，i=1，2，…，r是評判因素。各個節(jié)點直接與輸入向量各分量xi相連接，并將各輸入值傳到下一層；

（2）第二層是一個隸屬函數(shù)層（模糊化層）：每個節(jié)點表示一個隸屬函數(shù)。訓(xùn)練樣本中，樣品必須先模糊，獲得網(wǎng)絡(luò)的輸入集R。從輸入層輸入的特征向量經(jīng)過隸屬函數(shù)層處理轉(zhuǎn)化為各特征對評判集中各因素的隸屬度，從而完成了輸入的模糊化過程。計算模糊變量的隸屬度，把輸入變量映射到模糊變量，整個輸入空間由一系列的高斯函數(shù)所劃分的。本文選用的隸屬函數(shù)是如下的高斯函數(shù)：

μijxi=exp-xi-cij21σ2j j=1，2，…，u（1）

其中，μij是xi的第j個隸屬函數(shù)，Cij是xi的第j個高斯隸屬函數(shù)的中心，σj是xi的第j個高斯隸屬函數(shù)的寬度，u是隸屬函數(shù)的數(shù)量，也就是評判集元素的個數(shù)；

（3）第三層是規(guī)則層：每個節(jié)點都代表一個可能的模糊規(guī)則IF部分。因此，該層節(jié)點數(shù)反映了系統(tǒng)的分類數(shù)，該層的每一個節(jié)點代表了一個RBF單元，基函數(shù)采用的是非線性的高斯函數(shù)。其中，Cj是第j個RBF單元的中心，σj是第j個RBF單元的寬度，則第j個規(guī)則Rj的輸出為：

φj = exp-∑r1i = 1xi-cij21σ2j = exp-‖X-Cj‖21σ2jj=1，2，…，u（2）

由式看到，該網(wǎng)絡(luò)的模糊規(guī)則數(shù)等同于一個RBF網(wǎng)絡(luò)的網(wǎng)絡(luò)節(jié)點數(shù)；

（4）第四層是歸一化的層：與第三層有相同的節(jié)點，實現(xiàn)歸一化計算。第j個節(jié)點Mj的輸出為：

ψj=φj1∑u1l=1φlj=1，2，…，u（3）

（5）第五層為輸出層：實現(xiàn)清晰化計算。wj是THEN-部分或第j個規(guī)則的連接權(quán)。在該層中，每個節(jié)點代表一個輸出變量，輸出為所有輸入信號的疊加，采用線性加權(quán)綜合法。其輸出為：

y=∑u1l=1wl·ψl（4）

其中

wl=al0+al1x1+…+alrxr l=1，2，…，uali是第i個評判因素的權(quán)重，y是變量的輸出。

2.2規(guī)則產(chǎn)生準則

對于一個系統(tǒng)，如果太少的規(guī)則，系統(tǒng)不能包含所有的輸入-輸出的狀態(tài)空間，會有很差的性能；相反，如果規(guī)則的數(shù)量太多，會增加系統(tǒng)的復(fù)雜性。因此，一個新的規(guī)則，確定是否添加到系統(tǒng)中是非常重要的，輸出誤差和高斯函數(shù)的覆蓋范圍對于確定新規(guī)則的加入是重要考量。

（1）輸出誤差。

訓(xùn)練數(shù)據(jù)的第i個Xi，tii>1，Xi是輸入向量，ti是期望輸出，計算輸出y，輸出誤差是：

ei=‖ti-yi‖（5）

如果ei>ke，則增加一條新規(guī)則，其中ke是設(shè)定的誤差指數(shù)。

（2）可容納邊界。

使用高斯函數(shù)描述輸入變量是從屬關(guān)系函數(shù)，當高斯函數(shù)被調(diào)用時，以適應(yīng)覆蓋范圍的邊界。如果一個新的樣本位于可容納邊界內(nèi)，則存在一個新的樣本可以用高斯函數(shù)代表，不需要添加規(guī)則，否則添加新規(guī)則。

訓(xùn)練數(shù)據(jù)的第i個，根據(jù)式（6），輸入值Xi和現(xiàn)有神經(jīng)元的中心Cj之間的距離：

dij=‖Xi-Cj‖j=1，2，…，u（6）

其中，u是現(xiàn)有的模糊規(guī)則數(shù)，同時根據(jù)下式求出dmin：

dmin=argmindij（7）

如果dmin>kd再加入一個新的規(guī)則，這里可以動態(tài)地調(diào)整容納邊界的有效半徑kd和誤差指數(shù)ke，根據(jù)下列公式計算：

ke=maxemax×βi·emin

kd=maxdmax×αi·dmin（8）

其中，emax預(yù)先設(shè)定的最大誤差，emin期望的精度，β0<β<1收斂常數(shù)，dmax在預(yù)先設(shè)定輸入空間最大長度，dmin是預(yù)先設(shè)定最小長度，α0<α<1衰減常數(shù)。在此，僅當ei>ke，dmin>kd同時成立時，才增加一條新的規(guī)則。不滿足該條件的3種情況作如下處理：

（1）ei

（2）ei≤ke，dmin>kd時，只要歸一化層到輸出層的權(quán)值的調(diào)整即可。

（3）ei≤ke，dmin≤kd時，需調(diào)整最近Xi寬度σik的第k個神經(jīng)元和歸一化層到輸出層的權(quán)重。根據(jù)公式（12）對σik進行調(diào)整，如下：

σik=ku×σik-1（9）

其中，kuku>1是設(shè)定的常數(shù)。

3實例分析

根據(jù)以上原則，現(xiàn)在以輸電網(wǎng)中的220千伏電壓等級，投運時間較長的一個變電站為評估對象，評估目標分數(shù)是通過模糊層次分析法計算及專家綜合得到的期望分數(shù)。在動態(tài)模糊神經(jīng)網(wǎng)絡(luò)綜合評判算法中，輸入層的物理意義就是每周一次的巡檢為指標，子網(wǎng)的輸入層的物理意義為繼電保護狀態(tài)評估有關(guān)的各項指標，所以共有10個神經(jīng)元。輸入層集合各元素經(jīng)過歸一化處理后的xij作為輸入矩陣P。輸出層是對評估設(shè)備狀態(tài)的一種表述，本文采用輸出為數(shù)值形式的定量表述方式即綜合評價值Y，在將其裝換為語言文字的描述，因此使用1個神經(jīng)元，Y構(gòu)成輸出向量T。訓(xùn)練網(wǎng)絡(luò)前對初始數(shù)據(jù)進行預(yù)處理，去掉一個最高分和一個最低分，剩下的數(shù)據(jù)根據(jù)神經(jīng)網(wǎng)絡(luò)的特點把樣本數(shù)據(jù)歸一化為[0，1]之間的數(shù)據(jù)，采用規(guī)格化變換方法。觀測變量為xi，觀測變量的最小值為xmin，最大值xmax，則變換公式如下：

Ζi=xi-xmin1xmax-xmin

規(guī)格變換后的指標都在0和1之間，得到的數(shù)據(jù)如下表1所示：

4結(jié)論

為了提高繼保裝置狀態(tài)評估的合理性、準確性，本文引入了動態(tài)模糊神經(jīng)網(wǎng)絡(luò)綜合評判算法，該算法與模糊層次分析法相比，動態(tài)模糊神經(jīng)網(wǎng)絡(luò)可以獲取更準確、更精確的權(quán)值，并且屏蔽更多評估價值較低的信息，提高評判結(jié)果的可信度，很好地合并了各類原始數(shù)據(jù)、檢修、運行工況和運行經(jīng)驗等狀態(tài)特征信息的基礎(chǔ)上，使得狀態(tài)參量信息和設(shè)備性能形成了較為符合運行人員的主觀意識，克服了兩者之間的復(fù)雜性和模糊性，得到了與設(shè)備實際運行情況基本符合的綜合評判結(jié)果。

參考文獻

[1]吳姜，蔡澤祥，胡春潮，等.基于模糊正態(tài)分布隸屬函數(shù)的繼電保護裝置狀態(tài)評價[J].電力系統(tǒng)保護與控制，2012，（05）：4852.

[2]王京慧，李宏光.動態(tài)模糊神經(jīng)網(wǎng)絡(luò)研究[J].北京化工大學學報（自然科學版），2003，（02）：7881.

[3]榮莉莉，王眾托.基于知識和模糊神經(jīng)網(wǎng)絡(luò)的學習型評價系統(tǒng)[J].管理科學學報，2003，（03）：17.

[4]盧興旺，于志民，田杰.基于模糊BP神經(jīng)網(wǎng)絡(luò)的水資源合理配置綜合評價研究[J].中國農(nóng)村水利水電，2009，（04）：46.

[5]張德豐，盧清華，周燕.一種新型的動態(tài)模糊神經(jīng)網(wǎng)絡(luò)算法[J].控制工程，2009，（04）：464467+471.

[6]梅蓉蓉，吳小俊，馮振華.改進的動態(tài)模糊神經(jīng)網(wǎng)絡(luò)及其在人臉識別中的應(yīng)用[J].計算機應(yīng)用與軟件，2012，（01）：5659.

作者簡介：王猛（1984-），男，工程師，主要從事工程地質(zhì)勘察工作。

（1）ei

（2）ei≤ke，dmin>kd時，只要歸一化層到輸出層的權(quán)值的調(diào)整即可。

（3）ei≤ke，dmin≤kd時，需調(diào)整最近Xi寬度σik的第k個神經(jīng)元和歸一化層到輸出層的權(quán)重。根據(jù)公式（12）對σik進行調(diào)整，如下：

σik=ku×σik-1（9）

其中，kuku>1是設(shè)定的常數(shù)。

3實例分析

根據(jù)以上原則，現(xiàn)在以輸電網(wǎng)中的220千伏電壓等級，投運時間較長的一個變電站為評估對象，評估目標分數(shù)是通過模糊層次分析法計算及專家綜合得到的期望分數(shù)。在動態(tài)模糊神經(jīng)網(wǎng)絡(luò)綜合評判算法中，輸入層的物理意義就是每周一次的巡檢為指標，子網(wǎng)的輸入層的物理意義為繼電保護狀態(tài)評估有關(guān)的各項指標，所以共有10個神經(jīng)元。輸入層集合各元素經(jīng)過歸一化處理后的xij作為輸入矩陣P。輸出層是對評估設(shè)備狀態(tài)的一種表述，本文采用輸出為數(shù)值形式的定量表述方式即綜合評價值Y，在將其裝換為語言文字的描述，因此使用1個神經(jīng)元，Y構(gòu)成輸出向量T。訓(xùn)練網(wǎng)絡(luò)前對初始數(shù)據(jù)進行預(yù)處理，去掉一個最高分和一個最低分，剩下的數(shù)據(jù)根據(jù)神經(jīng)網(wǎng)絡(luò)的特點把樣本數(shù)據(jù)歸一化為[0，1]之間的數(shù)據(jù)，采用規(guī)格化變換方法。觀測變量為xi，觀測變量的最小值為xmin，最大值xmax，則變換公式如下：

Ζi=xi-xmin1xmax-xmin

規(guī)格變換后的指標都在0和1之間，得到的數(shù)據(jù)如下表1所示：

4結(jié)論

為了提高繼保裝置狀態(tài)評估的合理性、準確性，本文引入了動態(tài)模糊神經(jīng)網(wǎng)絡(luò)綜合評判算法，該算法與模糊層次分析法相比，動態(tài)模糊神經(jīng)網(wǎng)絡(luò)可以獲取更準確、更精確的權(quán)值，并且屏蔽更多評估價值較低的信息，提高評判結(jié)果的可信度，很好地合并了各類原始數(shù)據(jù)、檢修、運行工況和運行經(jīng)驗等狀態(tài)特征信息的基礎(chǔ)上，使得狀態(tài)參量信息和設(shè)備性能形成了較為符合運行人員的主觀意識，克服了兩者之間的復(fù)雜性和模糊性，得到了與設(shè)備實際運行情況基本符合的綜合評判結(jié)果。

參考文獻

[1]吳姜，蔡澤祥，胡春潮，等.基于模糊正態(tài)分布隸屬函數(shù)的繼電保護裝置狀態(tài)評價[J].電力系統(tǒng)保護與控制，2012，（05）：4852.

[2]王京慧，李宏光.動態(tài)模糊神經(jīng)網(wǎng)絡(luò)研究[J].北京化工大學學報（自然科學版），2003，（02）：7881.

[3]榮莉莉，王眾托.基于知識和模糊神經(jīng)網(wǎng)絡(luò)的學習型評價系統(tǒng)[J].管理科學學報，2003，（03）：17.

[4]盧興旺，于志民，田杰.基于模糊BP神經(jīng)網(wǎng)絡(luò)的水資源合理配置綜合評價研究[J].中國農(nóng)村水利水電，2009，（04）：46.

[5]張德豐，盧清華，周燕.一種新型的動態(tài)模糊神經(jīng)網(wǎng)絡(luò)算法[J].控制工程，2009，（04）：464467+471.

[6]梅蓉蓉，吳小俊，馮振華.改進的動態(tài)模糊神經(jīng)網(wǎng)絡(luò)及其在人臉識別中的應(yīng)用[J].計算機應(yīng)用與軟件，2012，（01）：5659.

作者簡介：王猛（1984-），男，工程師，主要從事工程地質(zhì)勘察工作。

（1）ei

（2）ei≤ke，dmin>kd時，只要歸一化層到輸出層的權(quán)值的調(diào)整即可。

（3）ei≤ke，dmin≤kd時，需調(diào)整最近Xi寬度σik的第k個神經(jīng)元和歸一化層到輸出層的權(quán)重。根據(jù)公式（12）對σik進行調(diào)整，如下：

σik=ku×σik-1（9）

其中，kuku>1是設(shè)定的常數(shù)。

3實例分析

根據(jù)以上原則，現(xiàn)在以輸電網(wǎng)中的220千伏電壓等級，投運時間較長的一個變電站為評估對象，評估目標分數(shù)是通過模糊層次分析法計算及專家綜合得到的期望分數(shù)。在動態(tài)模糊神經(jīng)網(wǎng)絡(luò)綜合評判算法中，輸入層的物理意義就是每周一次的巡檢為指標，子網(wǎng)的輸入層的物理意義為繼電保護狀態(tài)評估有關(guān)的各項指標，所以共有10個神經(jīng)元。輸入層集合各元素經(jīng)過歸一化處理后的xij作為輸入矩陣P。輸出層是對評估設(shè)備狀態(tài)的一種表述，本文采用輸出為數(shù)值形式的定量表述方式即綜合評價值Y，在將其裝換為語言文字的描述，因此使用1個神經(jīng)元，Y構(gòu)成輸出向量T。訓(xùn)練網(wǎng)絡(luò)前對初始數(shù)據(jù)進行預(yù)處理，去掉一個最高分和一個最低分，剩下的數(shù)據(jù)根據(jù)神經(jīng)網(wǎng)絡(luò)的特點把樣本數(shù)據(jù)歸一化為[0，1]之間的數(shù)據(jù)，采用規(guī)格化變換方法。觀測變量為xi，觀測變量的最小值為xmin，最大值xmax，則變換公式如下：

Ζi=xi-xmin1xmax-xmin

規(guī)格變換后的指標都在0和1之間，得到的數(shù)據(jù)如下表1所示：

4結(jié)論

為了提高繼保裝置狀態(tài)評估的合理性、準確性，本文引入了動態(tài)模糊神經(jīng)網(wǎng)絡(luò)綜合評判算法，該算法與模糊層次分析法相比，動態(tài)模糊神經(jīng)網(wǎng)絡(luò)可以獲取更準確、更精確的權(quán)值，并且屏蔽更多評估價值較低的信息，提高評判結(jié)果的可信度，很好地合并了各類原始數(shù)據(jù)、檢修、運行工況和運行經(jīng)驗等狀態(tài)特征信息的基礎(chǔ)上，使得狀態(tài)參量信息和設(shè)備性能形成了較為符合運行人員的主觀意識，克服了兩者之間的復(fù)雜性和模糊性，得到了與設(shè)備實際運行情況基本符合的綜合評判結(jié)果。

參考文獻

[1]吳姜，蔡澤祥，胡春潮，等.基于模糊正態(tài)分布隸屬函數(shù)的繼電保護裝置狀態(tài)評價[J].電力系統(tǒng)保護與控制，2012，（05）：4852.

[2]王京慧，李宏光.動態(tài)模糊神經(jīng)網(wǎng)絡(luò)研究[J].北京化工大學學報（自然科學版），2003，（02）：7881.

[3]榮莉莉，王眾托.基于知識和模糊神經(jīng)網(wǎng)絡(luò)的學習型評價系統(tǒng)[J].管理科學學報，2003，（03）：17.

[4]盧興旺，于志民，田杰.基于模糊BP神經(jīng)網(wǎng)絡(luò)的水資源合理配置綜合評價研究[J].中國農(nóng)村水利水電，2009，（04）：46.

[5]張德豐，盧清華，周燕.一種新型的動態(tài)模糊神經(jīng)網(wǎng)絡(luò)算法[J].控制工程，2009，（04）：464467+471.

[6]梅蓉蓉，吳小俊，馮振華.改進的動態(tài)模糊神經(jīng)網(wǎng)絡(luò)及其在人臉識別中的應(yīng)用[J].計算機應(yīng)用與軟件，2012，（01）：5659.

作者簡介：王猛（1984-），男，工程師，主要從事工程地質(zhì)勘察工作。