[发明专利]基于神经网络预测高海拔空气间隙放电电压方法

权利要求书

1.一种基于神经网络预测高海拔空气间隙放电电压的方法，其特征在于：包括如下步骤：

S1.采集数据，对采集的数据进行归一化处理，得到样本数据集；

S2.构建BP神经网络，将数据集输入BP神经网络中进行训练；

S3.判断BP神经网络是否训练完成，如是，则进入步骤S4，如否，则更新参数，返回步骤S2；

S4.将待测样本输入至训练完成的BP神经网络中进行预测，得到预测结果。

2.根据权利要求1所述的一种基于神经网络预测高海拔空气间隙放电电压的方法，其特征在于：步骤S1中，采集的数据包括不同空气间隙长度、不同海拔高度下的大气条件参数和对应的空气间隙放电电压，其中，大气条件参数包括气压、温度、风速和相对湿度。

3.根据权利要求2所述的一种基于神经网络预测高海拔空气间隙放电电压的方法，其特征在于：对采集的数据进行归一化，得到样本数据集，归一化采用离差标准化方法，离差标准化的公式为：

其中，Y表示归一化后的样本数据，X表示采集的数据X_min表示采集的数据中值最小的数据，X_max表示采集的数据中值最大的数据。

4.根据权利要求1所述的一种基于神经网络预测高海拔空气间隙放电电压的方法，其特征在于：步骤S2中，通过如下方法构建BP神经网络，并进行训练：

使用Matlab构建三层BP神经网络，包含输入层、隐藏层和输出层，隐藏层中的神经元数通过如下方法确定：

n₁＝log₂n

其中，n₁表示隐藏层的神经元数，n为输入层神经元数；

将步骤S1中得到的样本数据集输入BP神经网络中，采用trainlm函数进行训练。

5.根据权利要求1所述的一种基于神经网络预测高海拔空气间隙放电电压的方法，其特征在于：步骤S3中，通过如下方法判断BP神经网络是否训练完成：

当BP神经网络训练达到目标迭代次数d次或者达到目标函数的最小值时，BP神经网络训练完成，目标函数为：

其中，E_min表示目标函数的最小值，m表示训练的样本总数，i表示第i个样本数据，k表示迭代次数，表示预测值，y_i表示真实值。