[发明专利]基于RST-PNN-GA的电力设备温升检测预警方法

权利要求书

1.一种基于RST-PNN-GA的电力设备温升检测预警方法，其特征在于，包括以下步骤：

⑴、构建电力设备温升在线监测系统，然后利用电力设备温升在线监测系统实时监测电力设备的温度，得到的电力设备温度数据，并将实时监测得到的电力设备温度数据作为输入变量；

⑵、基于RST-PNN-GA神经网络算法构建电力设备温升检测预警模型，将经步骤⑴得到的一部分电力设备温度数据输入到构建的电力设备温升检测预警模型中进行训练；

⑶、将经步骤⑴得到的一部分电力设备温度数据输入到经步骤⑵训练好的电力设备温升检测预警模型中，由电力设备温升检测预警模型对输入的电力设备温度数据进行处理，完成对电力设备的温升检测预警。

2.根据权利要求1所述的基于RST-PNN-GA的电力设备温升检测预警方法，其特征在于：所述电力设备温升在线监测系统包括多个监测从机、多组监测主机、上位机监控中心，监测从机用于对电力设备测温节点的温度采集，并上传采集的温度数据至监测主机；每组监测主机对应多个监测从机，监测主机用于将对应监测从机的数据汇总显示、存储并通过GPRS或者RS485方式上传至上位机监控中心；上位机监控中心通过收集各监测主机汇集的数据，实现数据的存储显示和阈值的下发，在进行数据分析的同时实现故障预警，并能够根据温度数据进行故障预警。

3.根据权利要求2所述的基于RST-PNN-GA的电力设备温升检测预警方法，其特征在于：所述监测从机包括温湿度传感器、温度采集器，温湿度传感器对电力设备的工作环境温湿度及监测节点温度进行实时监测，温度采集器接收来自温湿度传感器的温度数据后通过无线通讯方式定时向监测主机上传；监测主机包括无线模块、时钟、报警指示灯、触摸屏、单片机，单片机分别与无线模块、时钟、报警指示灯、触摸屏电性连接。

4.根据权利要求3所述的基于RST-PNN-GA的电力设备温升检测预警方法，其特征在于：所述无线模块为433MHz无线通讯模块，所述温湿度传感器采用的型号为SHT715，所述单片机型号为STM8L151K4T6，所述触摸屏采用工业级的电阻式触摸屏。

5.根据权利要求1所述的基于RST-PNN-GA的电力设备温升检测预警方法，其特征在于，所述电力设备温升检测预警模型的构建方法包括：

⑴、建立概率神经网络主体模型，输入采集的原始故障特征样本数据进行训练诊断，形成基于概率神经网络的检测模型；

⑵、分别利用粗糙集和遗传算法对所建立的基于概率神经网络的检测模型进行优化，搭建一种基于RST-PNN-GA神经网络的电力设备温升检测预警模型。

6.根据权利要求5所述的基于RST-PNN-GA的电力设备温升检测预警方法，其特征在于，所述电力设备温升检测预警模型的训练方法，按以下具体步骤实施：

⑴、将通过模拟试验平台所采集的原始故障特征信息参数输入概率神经网络主体模型训练；

⑵、利用粗糙集约简理论对所述原始故障特征信息参数进行属性约简，首先确定条件属性和决策属性，对故障类型信息形成决策，最后形成约简属性决策；

⑶、将约简后的故障特征参数约简决策表输入至概率神经网络主体模型；

⑷、对概率神经网络主体模型和作为改进的遗传算法进行网络初始化；

⑸、利用概率神经网络进行前向反馈计算，首先接受步骤⑶输入的参数，确定网络神经元的个数，利用概率神经网络基本算法计算其权值，得到其概率密度值；其中，该概率神经网络的输入输出为5输入2输出模型，中间层预设3层神经元，且神经元的个数均为18个；

⑹、对输出的概率密度值误差及其迭代次数进行判别，符合要求则按照步骤⑻输出结果；

⑺、步骤⑹中所判别的误差如果不符合要求，则利用遗传算法进行误差反向传播计算，首先计算适应度，重新更新种群，对其分别进行遗传算法的操作，以此来更新新的权值，再将该权值重新返回概率神经网络即步骤⑸重新计算，直到误差和迭代次数满足要求为止；

⑻、输出诊断结果。