亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        模糊神經(jīng)網(wǎng)絡(luò)在電力繼電保護(hù)裝置狀態(tài)評價(jià)中的應(yīng)用

        2022-01-21 00:25:26蘭雁寧鄭陳達(dá)
        黑龍江科學(xué) 2021年24期
        關(guān)鍵詞:訓(xùn)練樣本繼電保護(hù)神經(jīng)網(wǎng)絡(luò)

        蘭雁寧,鄭陳達(dá)

        (1.上海電力大學(xué),上海 200090; 2.國網(wǎng)福建省電力有限公司電力科學(xué)研究院,福州 350007)

        繼電保護(hù)是電力系統(tǒng)安全穩(wěn)定運(yùn)行的重要保障,直接關(guān)系著電力系統(tǒng)的運(yùn)行質(zhì)量。繼電保護(hù)狀態(tài)檢修技術(shù)離不開合理、可靠的繼電保護(hù)裝置狀態(tài)評價(jià)結(jié)果,評價(jià)結(jié)果的好壞將在很大程度上影響裝置的檢修效果[1]。傳統(tǒng)的評價(jià)手段中,人為主觀因素對評價(jià)結(jié)果有較大的影響,會(huì)降低評價(jià)工作效率,評價(jià)結(jié)果也缺乏準(zhǔn)確性。目前,已有學(xué)者提出了改進(jìn)方法[2],文獻(xiàn)[3,4]采用模糊綜合評價(jià)法進(jìn)行繼電保護(hù)裝置評價(jià),評價(jià)結(jié)果相較于傳統(tǒng)方法更加準(zhǔn)確且更具說服力。但這類方法工作量較大,且算法中權(quán)重系數(shù)的選擇對整體評價(jià)結(jié)果有很大的影響。馬爾科夫模型是一種適合于描述繼電保護(hù)裝置狀態(tài)變化的方法,但在工程實(shí)踐中由于受模型假設(shè)的限制,準(zhǔn)確性通常不高[5-6]。

        神經(jīng)網(wǎng)絡(luò)因其自身強(qiáng)大的學(xué)習(xí)能力及非線性逼近能力,在電力設(shè)備評價(jià)方面應(yīng)用較廣。電力設(shè)備評價(jià)通常可以看做是對模糊屬性的分類問題,對設(shè)備的標(biāo)準(zhǔn)評價(jià)結(jié)果是稀缺的,因而傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型可能由于學(xué)習(xí)樣本不足導(dǎo)致其應(yīng)用范圍受限[7]。模糊神經(jīng)網(wǎng)絡(luò)結(jié)合了模糊系統(tǒng)在模糊知識(shí)表達(dá)上的優(yōu)勢,同時(shí)具備了神經(jīng)網(wǎng)絡(luò)的自適應(yīng)學(xué)習(xí)能力,是一種優(yōu)良的分類工具[8]。介紹了一種基于T-S模糊神經(jīng)網(wǎng)絡(luò)的繼電保護(hù)裝置評價(jià)方法,其工作效率及評價(jià)結(jié)果較傳統(tǒng)評價(jià)方法均有較大提升。

        1 T-S模糊神經(jīng)網(wǎng)絡(luò)

        用函數(shù)表示的某計(jì)算元素的隸屬度被稱為隸屬函數(shù)。在T-S模糊模型中,系統(tǒng)規(guī)則的前件部分的隸屬函數(shù)常選用高斯型函數(shù),當(dāng)輸入變量為向量X=[x1,x2,…,xk]時(shí),輸入量的隸屬函數(shù)根據(jù)模糊規(guī)則可表示為式(1)。

        (1)

        T-S模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)對應(yīng)于模糊系統(tǒng),可分為前件網(wǎng)絡(luò)和后件網(wǎng)絡(luò)。前件網(wǎng)絡(luò)共分為4層,用于計(jì)算各條規(guī)則的適用度,從而匹配模糊規(guī)則。變量由輸入層進(jìn)入模糊神經(jīng)網(wǎng)絡(luò),傳送至第二層生成隸屬函數(shù)。在第三層進(jìn)行隸屬函數(shù)的模糊計(jì)算,通常采用如式(2)所示的模糊算子作為連乘算子。

        (2)

        ωi表示第i條模糊規(guī)則的適應(yīng)度。第三層得到的適應(yīng)度函數(shù)在第四層中采用式(3)進(jìn)行歸一化處理,結(jié)果傳輸至后件網(wǎng)絡(luò)。

        (3)

        后件網(wǎng)絡(luò)共3層,第一層為輸入層,第二層引入線性化參數(shù)進(jìn)行規(guī)則計(jì)算,所得到的結(jié)果在第三層中與前件網(wǎng)絡(luò)計(jì)算結(jié)果做加權(quán)求和,得到模糊神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果y,如式(4)所示,式中yj表示后件網(wǎng)絡(luò)第二層中對應(yīng)第j條模糊規(guī)則的輸出。

        (4)

        2 算法設(shè)計(jì)

        繼電保護(hù)裝置評價(jià)是根據(jù)裝置評價(jià)標(biāo)準(zhǔn)和裝置樣本各項(xiàng)指標(biāo)值,借助數(shù)學(xué)模型計(jì)算得到裝置的狀態(tài)評價(jià)等級的過程。在絕大多數(shù)評價(jià)類問題中,用于評價(jià)的采樣數(shù)據(jù)是容易得到的,而采樣數(shù)據(jù)相對應(yīng)的評價(jià)結(jié)果,即采樣數(shù)據(jù)的標(biāo)簽數(shù)據(jù)難以得到。采用等比例隨機(jī)分布方式內(nèi)插繼電保護(hù)裝置評價(jià)指標(biāo)標(biāo)準(zhǔn)數(shù)據(jù),生成足夠的訓(xùn)練樣本,經(jīng)網(wǎng)絡(luò)反復(fù)訓(xùn)練,借助自身優(yōu)良的泛化能力,完成繼電保護(hù)裝置狀態(tài)評價(jià)。

        訓(xùn)練適用于繼電保護(hù)裝置狀態(tài)評價(jià)的模糊神經(jīng)網(wǎng)絡(luò),具體流程如圖1所示,具體步驟包括:

        圖1 模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練流程Fig.1 Process of fuzzy neural network training

        選取待評價(jià)裝置的評價(jià)指標(biāo),各評價(jià)指標(biāo)均劃分為優(yōu)秀、良好、中等、較差、很差五個(gè)等級。每一項(xiàng)指標(biāo)的評分標(biāo)準(zhǔn)從很差到優(yōu)秀被分為0~10分,每2分間隔取一個(gè)評價(jià)等級。

        根據(jù)訓(xùn)練樣本的輸入、輸出維數(shù),構(gòu)建模糊神經(jīng)網(wǎng)絡(luò),網(wǎng)絡(luò)的輸入節(jié)點(diǎn)個(gè)數(shù)為裝置的評價(jià)指標(biāo)個(gè)數(shù);網(wǎng)絡(luò)的輸出節(jié)點(diǎn)數(shù)為1,用以表示裝置的評價(jià)等級。

        初始化網(wǎng)絡(luò)參數(shù)。采用誤差反向傳播學(xué)習(xí)算法,對網(wǎng)絡(luò)參數(shù)進(jìn)行修正,主要包括隸屬函數(shù)中心值、寬度值及后件網(wǎng)絡(luò)中的連接權(quán)重參數(shù)。

        采用隨機(jī)分布內(nèi)插生成一定數(shù)量的訓(xùn)練樣本和測試樣本,訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò)。當(dāng)網(wǎng)絡(luò)訓(xùn)練誤差小于設(shè)定值或迭代次數(shù)達(dá)到設(shè)定值時(shí),停止訓(xùn)練;當(dāng)網(wǎng)絡(luò)在測試集上的測試誤差增大時(shí),提前終止訓(xùn)練。

        保存網(wǎng)絡(luò)模型,用于后續(xù)裝置狀態(tài)評價(jià)。

        3 算例分析

        3.1 實(shí)驗(yàn)數(shù)據(jù)

        參考文獻(xiàn)[9]提出了按模塊分別統(tǒng)計(jì)思想,以某繼電保護(hù)裝置采樣回路為評價(jià)對象,評價(jià)項(xiàng)目包括電源、光模塊、采樣鏈路。共生產(chǎn)50個(gè)訓(xùn)練樣本和15個(gè)測試樣本,作為訓(xùn)練集和測試集。設(shè)定的訓(xùn)練最大迭代次數(shù)為50次,訓(xùn)練精度為1e-5。構(gòu)建3輸入節(jié)點(diǎn)、1輸入節(jié)點(diǎn)的模糊神經(jīng)網(wǎng)絡(luò),訓(xùn)練迭代過程如圖2所示,當(dāng)?shù)恋?3次時(shí),測試誤差上升,終止訓(xùn)練。

        圖2 測試誤差與訓(xùn)練誤差Fig.2 Test and training errors

        3.2 實(shí)驗(yàn)結(jié)果

        取5個(gè)具有代表性的測試樣本數(shù)據(jù)輸入訓(xùn)練好的模糊神經(jīng)網(wǎng)絡(luò),得到評價(jià)結(jié)果如圖3,可見經(jīng)訓(xùn)練的網(wǎng)絡(luò)模型能夠準(zhǔn)確地對訓(xùn)練樣本進(jìn)行等級劃分。提取某電力企業(yè)設(shè)備運(yùn)行歷史數(shù)據(jù),隨機(jī)選擇5臺(tái)繼電保護(hù)裝置采樣回路評價(jià)數(shù)據(jù)作為評價(jià)集。評價(jià)集經(jīng)模糊神經(jīng)網(wǎng)絡(luò)模型計(jì)算后得到的評價(jià)結(jié)果如圖4所示,評價(jià)結(jié)果很好地反映出了裝置的狀態(tài)等級。綜上可知,網(wǎng)絡(luò)模型學(xué)習(xí)訓(xùn)練樣本后,能夠較好地將知識(shí)泛化,進(jìn)而對未知的輸入樣本給出合理的結(jié)果。

        圖3 測試集評價(jià)結(jié)果Fig.3 Results of test set evaluation

        圖4 實(shí)際裝置評價(jià)結(jié)果Fig.4 Results of actual device evaluation

        4 結(jié)語

        傳統(tǒng)的電力設(shè)備繼電保護(hù)裝置狀態(tài)評價(jià)工作主要依靠人工經(jīng)驗(yàn)判斷,準(zhǔn)確性和效率較低。介紹了一種采用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行繼電保護(hù)裝置狀態(tài)評價(jià)的方法,評價(jià)結(jié)果更為客觀,能夠大幅減少工作量,在工程實(shí)踐中具有積極意義。

        猜你喜歡
        訓(xùn)練樣本繼電保護(hù)神經(jīng)網(wǎng)絡(luò)
        人工智能
        神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
        電子制作(2019年19期)2019-11-23 08:42:00
        電力系統(tǒng)繼電保護(hù)運(yùn)行維護(hù)措施
        寬帶光譜成像系統(tǒng)最優(yōu)訓(xùn)練樣本選擇方法研究
        融合原始樣本和虛擬樣本的人臉識(shí)別算法
        電力系統(tǒng)繼電保護(hù)二次回路的維護(hù)與檢修
        電子制作(2016年19期)2016-08-24 07:49:56
        基于稀疏重構(gòu)的機(jī)載雷達(dá)訓(xùn)練樣本挑選方法
        關(guān)于配電網(wǎng)自動(dòng)化繼電保護(hù)的幾點(diǎn)探討
        電子制作(2016年23期)2016-05-17 03:54:05
        基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
        復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
        国产一区二区在线观看我不卡 | 国产精品密播放国产免费看| 欧美日韩亚洲国产无线码| 男男做h嗯啊高潮涩涩| 国产av无码专区亚洲版综合| 亚洲av无码av制服另类专区 | 国产不卡在线观看视频| 国产二区交换配乱婬| 精品综合久久久久久97超人| 久久精品国产只有精品96| 水蜜桃视频在线观看入口| 强开少妇嫩苞又嫩又紧九色| 伊人色综合九久久天天蜜桃 | 亚洲国产日韩综一区二区在性色 | 人妻av不卡一区二区三区| 日韩人妻精品中文字幕专区| 精品久久久久久无码人妻热| 在线观看特色大片免费视频 | 亚洲天堂av另类在线播放| 亚洲综合一区二区三区天美传媒| 亚洲色大成网站www久久九九| 久久免费大片| 国产猛男猛女超爽免费av| 久久久久久夜精品精品免费啦 | 亚洲av在线播放观看| 国产av一区二区网站| 97se狠狠狠狠狼鲁亚洲综合色| 久久国产精品精品国产色婷婷| 亚洲国产精品久久久久久网站| 白嫩少妇在线喷水18禁| 91偷拍与自偷拍亚洲精品86| 欧美嫩交一区二区三区| 少妇白浆高潮无码免费区| 国产亚洲视频在线观看播放| 亚洲一区亚洲二区视频在线| 中文字幕无线码| 久久精品伊人无码二区| 加勒比av在线一区二区| 先锋五月婷婷丁香草草| 中文字幕第1页中文字幕在| 亚洲国产综合久久精品 |