[发明专利]基于BP遗传网络的避雷器污秽度采集单元标定方法

摘要

本发明属于避雷器监测技术领域，具体涉及一种基于BP遗传网络的避雷器污秽度采集单元标定方法；具体标定方法如下：标定准备→石英光纤表面清洗→为污秽度采集单元的石英光纤附着一定量等值盐密度的污秽→调节标定平台的温度、湿度和风速→BP神经网络构建→BP神经网络的初始权值和阈值的遗传优化→对初始权值进行编码→进行遗传算法的选择、交叉、变异操作→开始进行BP神经网络训练→BP神经网络矫正；采用污秽度采集单元测量避雷器外表面污秽度，能够避免污秽度对通过阻性电流判断避雷器本身缺陷的方法造成影响。采用遗传优化BP神经网络的方法实现污秽度测量单元的标定，能够实现等值盐密度的精确测量。 1

主权项

1.基于BP遗传网络的避雷器污秽度采集单元标定方法，其特征在于：基于BP遗传网络的避雷器污秽度采集单元标定方法，具体标定方法如下：

步骤1：标定准备

步骤1.1，将污秽度采集单元安装在标定平台中，并将污秽度采集单元的石英光纤表面清洗干净；

步骤1.2，为污秽度采集单元的石英光纤附着一定量等值盐密度的污秽：用定量的商业纯氯化钠、硅藻土、二氯化硅配制不同浓度的盐溶液，涂在污秽度采集单元的石英光纤表面，并自然晾干；

步骤1.3，调节标定平台的温度、湿度和风速，通过AD采样电路和CPU处理得到污秽度采集单元的石英光纤的光功率衰减量；

步骤2：BP神经网络构建：

根据BP神经网络的构建原理，建立3层BP神经网络，包括一个输入层、一个隐含层以及一个输出层，输入层为温度T、相对湿度RH、风速和光功率衰减量，输出层为污秽度；

步骤3：BP神经网络的初始权值和阈值的遗传优化：

步骤3.1，对初始权值进行编码，将步骤1得到的石英光纤的光功率衰减量样本数据作为BP神经网络的训练数据，将BP神经网络训练得到石英光纤的光功率衰减量的误差作为适应度值，预测输出值oi和期望输出值yi之间的误差绝对值作为个体适应度值F，计算方法如下：

式中，n为网络输出节点数，yi为BP神经网络第i个节点的期望输出值；oi为第i个节点的预测输出，k为系数；

步骤3.2，进行遗传算法的选择、交叉、变异操作，计算出适应度值F，当满足结束条件时，获得最优权值阈值；

步骤4，开始进行BP神经网络训练，当网络预测输出ESDD和期望输出ES之间的误差e_k达到设定值时训练结束；其中，ESDD表示预测输出的等值盐密度，ES表示步骤1.2中石英光纤的等值盐密度。

步骤5，BP神经网络矫正，输入新的采集数据，经过遗传优化的BP神经网络后得到新的输出值；验证标定的准确性，当新的输出值综合误差小于10％时，标定成功，否则转步骤1。

2.根据权利要求1所述的基于BP遗传网络的避雷器污秽度采集单元标定方法，其特征在于：步骤1标定准备中所述的标定平台为密闭空间，可调节温度、湿度以及风速。