[发明专利]基于最佳鉴别准则的变电站接地网腐蚀率模式识别方法

说明书

技术领域

本发明属于电力输送领域，涉及一种变电站接地网腐蚀率的模式识别方法，具体为一种基于最佳鉴别准则的变电站接地网腐蚀率模式识别方法，能够建立土壤因素、环境因素等与腐蚀率等级关系，主要应用于变电站接地网腐蚀规律的测算。

背景技术

随着模式识别技术的迅速发展，它所研究的理论和方法在很多科学和技术领域中得到了广泛的重视，为人工智能系统的发展与研究提供了新的思想。变电站接地网是用于工作接地、防雷接地、保护接地，确保人身、设备和系统等安全不可缺少的重要装置。接地网埋设于地面下0.3～0.8m的土壤中，常常由于种种原因而发生腐蚀，影响接地网腐蚀的主要因素有：pH值、含水量、有机质、电导率、含氮量、可溶性盐离子和气象因素等。目前，碳钢是地下常用的金属材料，其土壤腐蚀性的大小受各种环境因素的影响，利用埋片法取得的土壤腐蚀数据，建立碳钢与土壤腐蚀环境因素间的回归数学模型，对已知土壤腐蚀环境因素的地区预测接地网的腐蚀速率，是一项非常有意义的工作。但是，土壤是一个非常复杂的三相混合体系，金属在土壤中的腐蚀受多种因素的影响，而且数据离散型也较大，样本数较少，与腐蚀的关系非常复杂，彼此之间很难形成整体综合分析，难以对腐蚀速率建立预测模型。因此，利用分类的方法对土壤腐蚀因素数据进行特征提取，分析土壤腐蚀因素特征，可以得到合理的接地网腐蚀规律，以便采取有效的防腐措施。

在目前接地网腐蚀速率的测算方法中，有一种典型的测算建模方法：神经网络预测建模法。

近年来，国内有学者提出采用人工神经网络腐蚀预测模型对接地网腐蚀速率进行预测，比如参考文献“运用BP人工神经网络方法构建碳钢区域土壤腐蚀预测模型”（曲良山，李晓刚，杜翠薇，等.运用BP人工神经网络方法构建碳钢区域土壤腐蚀预测模型[J].北京科技大学学报，2009，31(12):1569-1575.）利用BP人工神经网络建立了接地网腐蚀速率与环境腐蚀因素的相关数学模型，并利用试验数据对模型进行了预测，最终得到接地网腐蚀速率预测模型。但是，这种预测方法主要存在下述问题：

回归分析的动机是企望求出一个函数代替数据集合，但它是假设数据集合的变量有因果关系，一般需要给定一个数学待定的基函数，根据数据集合中变量的因果关系，计算这个数学基函数待定的参数。

这种事先假定数据服从某种分布的方法，对某些未知世界的解释是不合理的，因为这个假设可能是错误的。因此，参数分析法尚未能很好的解决接地网腐蚀速率预测问题。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种基于最佳鉴别准则的变电站接地网腐蚀率模式识别方法，该方法基于特征提取的方法对腐蚀速率寻找腐蚀规律，通过将腐蚀率分等级，对土壤腐蚀因素数据进行特征提取，按照分类策略探讨建立土壤因素、环境因素等与腐蚀率等级关系，实现寻找接地网腐蚀规律。其能够针对不同地区、不同土壤环境的腐蚀因素数据，采用非参数分析的方法研究接地网腐蚀规律，并找到了影响接地网腐蚀的土壤腐蚀因素数据的特征，建立腐蚀因素与腐蚀等级关系的线性判别函数，过程简单、实用。

本发明的目的是通过以下技术方案来解决的：

这种基于最佳鉴别准则的变电站接地网腐蚀率模式识别方法，包括以下步骤：

（1）以接地网土壤腐蚀因素数据为试验数据，利用奇异值分解法得到奇异值和奇异向量，结合主成分分析的方法，将原始土壤腐蚀因素样本数据压缩至低维空间，计算得到新的维数低的样本数据；

（2）以国家土壤腐蚀等级标准为依据，将接地网腐蚀率分等级，由于土壤腐蚀速率与土壤环境因素之间存在着对应关系，那么相应的压缩后的土壤腐蚀因素样本数据也会分为不同的等级；

（3）利用最佳鉴别准则计算主成分分析法及分类后的土壤腐蚀样本数据的类间散布矩阵、类内散布矩阵和总体散布矩阵，构造Fisher准则线性判别函数，计算出Fisher准则函数取得最大值的特征向量，构造土壤腐蚀因素数据的特征空间；

（4）以构造的土壤腐蚀因素数据特征空间为指标，对土壤腐蚀测试数据进行判别，确定相应的腐蚀等级，建立接地网腐蚀率与土壤腐蚀因素的等级关系。

进一步的，以上步骤（1）具体按照以下进行：

1）对原始数据{x_ij,i＝1,2...,n;j＝1,2,...p}求平均值，计算协方差矩阵C；