[发明专利]一种基于ADALINE神经网络和IGG法的自适应抗差线路参数辨识方法

权利要求书

1.一种基于ADALINE神经网络和IGG法的自适应抗差线路参数辨识方法，其特征包含以下步骤：

步骤1：基于线路参数的辨识模型，获取输入和输出数据。

步骤2：建立ADALINE神经网络，并进行训练。

步骤3：基于训练后的神经网络确定输入和输出数据的权重，并对输入输出数据进行加权。

步骤4：再次对ADALINE神经网络进行训练，并获取参数辨识结果，若满足收敛条件，则输出辨识结果，否则返回步骤3，继续辨识。

2.根据要求1所述的基于ADALINE神经网络和IGG法的自适应抗差线路参数辨识方法，其特征在于，所述步骤1中，以ADALINE神经网络的权重作为参数辨识的输出量，并基于输电线路的参数辨识模型，确定适合ADALINE神经网络的输入和输出数据。

具体地，用于训练ADALINE神经网络的输入数据和输出数据应满足如下条件：

将(1)写成矩阵形式，即，

b_t＝A_tx+v_t (2)

将(2)拓展至多个时间断面，即，

b＝Ax+v (3)

其中，Eq.(3)的系数为，

A＝[A₁；A₂；…A_T]

b＝[b₁；b₂；…b_T] (4)

v＝[v₁；v₂；…v_T]

以A为输入数据，b为输出数据，v为方程的残差。

3.根据要求1所述的基于ADALINE神经网络和IGG法的自适应抗差线路参数辨识方法，其特征在于，所述步骤2中，基于Levenberg-Marquardt(LM)算法，以及步骤1中的输入、输出数据，对ADALINE神经网络进行训练。

4.根据要求1所述的基于ADALINE神经网络和IGG法的自适应抗差线路参数辨识方法，其特征在于，所述步骤3中，基于已获取的线路参数辨识结果，计算方程的残差，并进一步确定输入和输出数据的权重。

基于方程的残差，通过IGG抗差法和中位数估计确定权重，具体地，

其中，

s取1.0～1.5，r取2.5～3.0

基于上述公式，可对输入数据进行赋权，即，

输入数据：

[A_i1 A_i2 … A_in]→R_i[A_i1 A_i2 … A_in] (9)

输出数据：

b_i→R_ib_i (10)

5.根据要求1所述的基于ADALINE神经网络和IGG法的自适应抗差线路参数辨识方法，其特征在于，所述步骤4中，基于加权后的输入数据和输出数据，训练神经网络，获取参数的辨识结果，若满足收敛条件，则输出辨识结果，否则返回步骤3，继续辨识。