[发明专利]应用于兆瓦级变流器的小波网络电流瞬时值检测方法

权利要求书

1.一种应用于兆瓦级变流器的小波网络电流瞬时值检测方法，其特征在于，该方法为：

1）设未经滤波的变流器电流采样值x_r=[x₁,x₂,…,x_n]^T为小波神经网络的输入向量，设滤波后的变流器电流输出值y_r=[y₁,y₂,…,y_m]^T为输出向量，输出层到隐层的权值为w_ij，隐层到输入层的权值为w_jk，中间隐层的伸缩参数和平移参数分别为a_j和b_j，隐层神经元数为N，i=1,2，…,m；j=1,2，…,N；k=1,2，…,n；n为输入节点数，m为输出节点数；

2）初始化伸缩参数a_j和平移参数b_j；

3）输入学习样本对(x_r,y_r)，r=1,2，…,n；

4）利用所述学习样本对对应的伸缩参数a_j和平移参数b_j计算输出向量y_r，所述输出向量y_r的计算公式为：

yr=fi(t)=Σj=1NwijΨa,b(netj),]]>

其中，netj=Σk=1nwjkxk(t),]]>Ψa,b(netj)=Ψ(netj-bjaj),]]>Ψ（）为选取的小波函数；f_i(t)为小波函数第i个输出向量的表达式；

5）采用BP算法训练所述小波神经网络，取优化目标函数E为：

E=0.5Σp=1NΣi=1n[di(p)-yi(p)]2,]]>

其中，为输入样本p第i个输出节点的期望输出电流，为输入样本p第i个输出节点的实际输出电流；p=x_r；

6）计算优化目标函数E的瞬时梯度向量：

∂E∂wij(n)=Σp=1N(di(p)-yi(p))yi(p)(1-yi(p))Ψbjajp(netj),]]>

∂E∂wij(n)=Σp=1NΣk=1n(di(p)-yi(p))yi(p)(1-yi(p))wij(p)Ψbjaj′p(netj)xk(p)aj(p),]]>

∂E∂aj(n)=Σp=1NΣk=1n(di(p)-yi(p))yi(p)(1-yi(p))wij(p)Ψbjaj′p(netj)netj(p)-bj(p)(aj(p))2,]]>

∂E∂bj(n)=Σp=1NΣk=1n(di(p)-yi(p))yi(p)(1-yi(p))wij(p)Ψbjaj′p(netj)1aj(p)]]>

其中，w_ij(n)、w_jk(n)分别为当前输出层到隐层的权值和当前隐层到输入层的权值；a_j(n)和b_j(n)分别为当前中间隐层的伸缩参数和平移参数；为输入样本p第j个输出节点中间隐层的伸缩参数；为输入样本p第j个输出节点输出层到隐层的权值；()为[ba，p]区间内小波函数；为输入样本p第i个输出节点的实际输出电流；

7）利用上述各瞬时梯度向量得到以下权值迭代公式：

wjk(n+1)=wjk(n)-ηjk∂E∂wjk(n),]]>

wij(n+1)=wij(n)-ηij∂E∂wij(n),]]>

aj(n+1)=aj(n)-ηa∂E∂aj(n),]]>

bj(n+1)=bj(n)-ηb∂E∂bj(n);]]>

其中，η_ij，η_jk，η_a,η_b分别为参数w_ij,w_jk，a_j,b_j的学习速率；w_jk(n+1)、w_ij(n+1)分别为下一次学习的输出层到隐层的权值和隐层到输入层的权值，a_j(n+1)、b_j(n+1)分别为下一次学习的中间隐层的伸缩参数和平移参数；

8）当E＜10^-5，或者达到最大学习次数10⁵时，终止学习；否则，返回3），输入另一个样本对，进行下一次学习。