一种基于神经网络的输电线路鸟害状态预估方法技术

本发明专利技术公开了一种基于神经网络的输电线路鸟害状态预估方法，包括下述步骤：S1，通过多普勒雷达对输电线路杆塔附近的飞鸟活动进行检测，获取飞鸟飞行轨迹信息，提取飞行轨迹特征信息；S2，构建飞行轨迹神经网络预测数学模型；S3，采用贝叶斯正则化算法训练飞行轨迹神经网络预测数学模型网络；本发明专利技术在输电线路防鸟害方面能够有效减少防鸟装置启动次数，进而使现有防鸟装置的电能消耗大大减少，也实现现有防鸟装置达到智能化驱鸟，为后续巡检人员提供了极大的便利，具有较强的实用价值。

【技术实现步骤摘要】
一种基于神经网络的输电线路鸟害状态预估方法
本专利技术涉及输电线路巡检
，具体涉及一种基于神经网络的输电线路鸟害状态预估方法。
技术介绍
输电线路的安全运行对于保证用户不间断地供电至关重要。目前的鸟害事故已成为影响输电线路安全运行的一大隐患，越来越引起电力部门的重视。目前国内的防鸟措施主要有在线路杆塔上安装惊鸟用的风车、恐怖眼，挂小红旗，安装防鸟刺等。研究发现，利用鸟类遇难报警或垂死前的鸣叫、求救等鸟类物种中特有的并具有遗传共性的、富有生物学意义的鸣叫器驱鸟效果最好。线路上的驱鸟器一般采用太阳能电池供电，因此必须采取节能措施，但是，现有驱鸟器一旦检测到飞鸟就会发出鸣叫声，使得电池的电量消耗巨大。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提供一种能够大大减少防鸟装置电池能耗的基于神经网络的输电线路鸟害状态预估方法。本专利技术的目的通过下述技术方案实现：一种基于神经网络的输电线路鸟害状态预估方法，包括下述步骤：S1，通过多普勒雷达对输电线路杆塔附近的飞鸟活动进行检测，获取飞鸟飞行轨迹信息，提取飞行轨迹特征信息；S2，构建飞行轨迹神经网络预测数学模型：x(k)＝h(k本文档来自技高网...

【技术保护点】
1.一种基于神经网络的输电线路鸟害状态预估方法，其特征在于，包括下述步骤：S1，通过多普勒雷达对输电线路杆塔附近的飞鸟活动进行检测，获取飞鸟飞行轨迹信息，提取飞行轨迹特征信息；S2，构建飞行轨迹神经网络预测数学模型：x(k)＝h(k‑1)+ax(k‑1)，

【技术特征摘要】
1.一种基于神经网络的输电线路鸟害状态预估方法，其特征在于，包括下述步骤：S1，通过多普勒雷达对输电线路杆塔附近的飞鸟活动进行检测，获取飞鸟飞行轨迹信息，提取飞行轨迹特征信息；S2，构建飞行轨迹神经网络预测数学模型：x(k)＝h(k-1)+ax(k-1)，y(k)＝g(w4(k)h(k))，其中x(k)表示第k次迭代承接层输出，h(k)表示第k次迭代隐含输出，O(k)表示第k次迭代输出层输出，y(k)表示输出层传递函数，f(·)表示隐含层的传递函数，Iu表示外部输入变量，a为自反馈增益，w1表示承接层到隐含层的连接权值，w2表示反馈延迟输出变量到隐含层的连接权值，w3表示输入变量到隐含层的连接权值，w4表示隐含层到输出层的连接权值，t表示外部输入变量Iu的时间延迟长度，g(·)表示输出层传递函数；x(k)的第k次迭代承接层输出取决于历史时刻的w1(k-1),w2(k-1),w3(k-1),…,wn(k-1)的数值；S3，采用贝叶斯正则化算法训练飞行轨迹神经网络预测数学模型网络；训练性能函数为：F(w)＝βA+αW，其中A表示训练性能函数的均方误差，其中n表示训练样本总组数，yi表示第i组训练样本的预测值，ti表示第i组训练样本的实际值；α,β表示性能参数，N表示网络结构中的权值总数，wk表示第k个权值，W表示权值...

【专利技术属性】
技术研发人员：张斌，林文帅，鲁仁全，周琪，李鸿一，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44