[发明专利]一种用于台区三相不平衡治理的换相开关智能控制方法

权利要求书

1.一种用于台区三相不平衡治理的换相开关智能控制方法，其特征在于，包括以下步骤：

S1：以不同换相开关所接负荷在换相时产生的换相暂态电流曲线为依据，采用K-means算法对不同负荷的换相暂态电流曲线进行聚类分析，从而将N个换相开关按其所接负荷的换相暂态电流曲线分为k类，并进行排序；

S2：统计台区下安装的N个换相开关的各线路电流值I₁、I₂、……、I_N和台区出线的A、B、C三相电流值I_A、I_B、I_C的历史数据；选取若干组历史数据，制定换相开关控制策略，形成换相开关控制策略样本集，供后续深度学习模型训练；

S3：将S2中生成的样本集数据划分为训练样本集和测试样本集；

S4：搭建深度信念网络DBN，将I_A、I_B、I_C，以及I₁、I₂、…、I_N作为所述DBN的输入；所述DBN的输出为各换相开关动作标志：χ_i，i＝1,2,…,N；

S5：获取所述DBN的初始结构参数，包括输入显层和输出显层的节点数、隐层数和隐层节点数；输入所述训练样本集并采用贪婪学习算法对所述DBN进行无监督逐层预训练，最终更新各个受限玻尔兹曼机RBM的层间连接权值W、可见层的偏置b以及隐藏层的偏置c，完成所述DBN的预训练过程；

S5中的贪婪学习算法具体包括以下步骤：

S5.1:将x＝[I_A,I_B,I_C,I₁,I₂,……I_N]赋给输入显层，利用下式计算出每个隐层神经元h被激活的概率P(h₁|v₁):

P(h_j|v)＝σ(b_j+∑_iW_i,jx_i)

式中，系数b_j为第j个显层神经元的偏置，W_i,j为任意两个相连的神经元i和j之间的权值，σ为Sigmoid函数；

S5.2:从计算的概率分布中采取Gibbs抽样抽取一个样本h₁：

h₁～P(h₁|v₁)；

S5.3:用h₁重构显层，即通过隐层反推显层，利用下式计算每个显层神经元v被激活的概率P(v₂|h₁)；

P(v_i|h)＝σ(c_i+∑_jW_i,jh_j)

式中，系数c_i为第i个隐层神经元的偏置；

S5.4：同样地，从计算得到的概率分布中采取Gibbs抽样抽取一个样本v₂,通过v₂再次计算隐层中每个神经元被激活的概率，得到概率分P(h₂|v₂)：

v₂～P(v₂|h₁)；

S5.5：利用对比散度方法来更新权重W：

W←W+λ(P(h₁|v₁)v₁-P(h₂|v₂)v₂)

b←b+λ(v₁-v₂)

c←c+λ(h₁-h₂)

式中，λ为对比散度算法的学习率；

S6：采用梯度下降BP算法对预训练后的所述DBN的均方误差函数L(θ)进行有监督整体精调；所述DBN经过充分训练后，得到待验证的台区换相开关智能控制策略模型；

S7：将测试样本集输入待验证的模型，检验换相开关状态输出值与实际值之间的误差值U是否在预设误差范围内，若否则返回S5，继续进行训练以提高模型精度；若是则得到台区换相开关控制模型，用于在线决策并控制台区换相开关。