[发明专利]基于BP遗传网络的避雷器污秽度采集单元标定方法

说明书

本发明属于避雷器监测技术领域，具体涉及一种基于BP遗传网络的避雷器污秽度采集单元标定方法；具体标定方法如下：标定准备→石英光纤表面清洗→为污秽度采集单元的石英光纤附着一定量等值盐密度的污秽→调节标定平台的温度、湿度和风速→BP神经网络构建→BP神经网络的初始权值和阈值的遗传优化→对初始权值进行编码→进行遗传算法的选择、交叉、变异操作→开始进行BP神经网络训练→BP神经网络矫正；采用污秽度采集单元测量避雷器外表面污秽度，能够避免污秽度对通过阻性电流判断避雷器本身缺陷的方法造成影响。采用遗传优化BP神经网络的方法实现污秽度测量单元的标定，能够实现等值盐密度的精确测量。

技术领域：

本发明属于避雷器监测技术领域，具体涉及一种基于BP遗传网络的避雷器污秽度采集单元标定方法。

背景技术：

BP神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。BP网络是在输入层与输出层之间增加若干层(一层或多层)神经元，这些神经元称为隐单元，它们与外界没有直接的联系，但其状态的改变，则能影响输入与输出之间的关系，每一层可以有若干个节点。BP神经网络无论在网络理论还是在性能方面已比较成熟。其突出优点就是具有很强的非线性映射能力和柔性的网络结构。网络的中间层数、各层的神经元个数可根据具体情况任意设定，并且随着结构的差异其性能也有所不同。

目前，在人工神经网络的实际应用中，绝大部分的神经网络模型都采用BP网络及其变化形式。它也是前向网络的核心部分，体现了人工神经网络的精华。BP网络主要用于以下四个方面：1)函数逼近：用输入向量和相应的输出向量训练一个网络逼近一个函数。2)模式识别：用一个待定的输出向量将它与输入向量联系起来。3)分类：把输入向量所定义的合适方式进行分类。4)数据压缩：减少输出向量维数以便于传输或存储。

避雷器是变电站内重要的电力设备，其安全运行是避免雷击对人身和财产安全造成损伤的保证。避雷器在线监测技术的出现，为防止避雷器出现内部闪洛、老化、击穿等故障提供了重要的参考价值，因而近年来得到了快速的发展。目前国内外对避雷器的在线监测主要是从氧化锌避雷器的接地侧获取漏电流信号，计算其阻性电流。

避雷器的表面污秽会影响其外绝缘，而表面污秽与其他故障不同，它可以通过降雨、清扫等降低其对避雷器外绝缘的影响。因此，为更好的反应避雷器本身缺陷引起的绝缘水平下降，在线监测方法应考虑表面污秽外在因素的影响。如何有效的对避雷器表面的污秽度的监测是本领域技术人员亟需解决的问题。

发明内容：

本发明提供了一种基于BP遗传网络的避雷器污秽度采集单元标定方法，克服了现有技术中避雷器中污秽度监测的空白，通过BP遗传网络方法监测避雷器污秽度提高了污秽度的监测精度。

基于BP遗传网络的避雷器污秽度采集单元标定方法，具体标定方法如下：

步骤1：标定准备

步骤1.1，将污秽度采集单元安装在标定平台中，并将污秽度采集单元的石英光纤表面清洗干净；

步骤1.2，为污秽度采集单元的石英光纤附着一定量等值盐密度的污秽：用定量的商业纯氯化钠、硅藻土、二氯化硅配制不同浓度的盐溶液，涂在污秽度采集单元的石英光纤表面，并自然晾干；

步骤1.3，调节标定平台的温度、湿度和风速，通过AD采样电路和CPU处理得到污秽度采集单元的石英光纤的光功率衰减量；

步骤2：BP神经网络构建：

根据BP神经网络的构建原理，建立3层BP神经网络，包括一个输入层、一个隐含层以及一个输出层，输入层为温度T、相对湿度RH、风速和光功率衰减量，输出层为污秽度；

步骤3：BP神经网络的初始权值和阈值的遗传优化：