[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

说明书

本发明提供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，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。

技术领域

本发明涉及一种预测空气间隙放电电压领域，尤其涉及一种基于神经网络预测高海拔空气间隙放电电压方法。

背景技术

电力系统中的架空输电线路、输变电设备、变电站母线等高压电气设备的外绝缘介质大多由空气充当，空气间隙的放电电压是决定外绝缘水平的重要因素之一。由放电理论可知，空气间隙的放电电压不仅与间距有关，同时与所处环境的大气状态，如温湿度、气压、风速等相关。然而这些大气的参数都会随着海拔高度的改变而改变。大气参数在不同的海拔高度会很不一样，况且在相同海拔高度，受特定地理环境的影响，大气参数也不尽相同。国内外研究均表明，高海拔地区空气密度、温度、湿度均较低，空气间隙的绝缘强度也降低。海拔高度对空气间隙放电电压的影响实际上是大气参数(气压、温度、湿度)对放电电压的影响。

对空气间隙放电电压的高海拔预测很有必要，现有关于大气条件对气隙击穿电压影响的研究往往是基于统计回归的单参数模型。实际中，大气条件总是多因素协同变化的，由于大气条件对放电电压的影响是非线性的，各因素之间又存在着非线性关系，这使得在数学上很难得出一个准确表达式或者经验公式。

因此，未解决上述技术问题，亟需提出一种新的技术手段。

发明内容

本发明提供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，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。

进一步，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。

进一步，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。

进一步，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。

进一步，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：