一种基于人工神经网络的集群式电气安全隐患预判方法技术

本发明专利技术涉及一种基于人工神经网络的集群式电气安全隐患预判方法，收集电气安全监测点的监测数据作为训练数据，预处理得到样本训练数据，以电气安全监测点作为人工神经网络的神经元，以预处理后的样本训练数据输入人工神经网络，得到期望输出向量与当前人工神经网络的实际输出，计算误差函数对输出层各神经元的偏导数，利用偏导数和输入层神经元的输出修正连接权值和阈值，以全局误差判断是否继续迭代；在训练完成后以实采数据判断是否存在电气安全隐患。本发明专利技术以现有电网的关联性为基础，实现集群式监测方式下电气安全的预警效果，随样本量和自学习时间增加，预判结果和预警将更准确有效，及早发现电气安全隐患，有效保护人民的生命财产安全。

A Cluster Electrical Safety Hidden Danger Prediction Method Based on Artificial Neural Network

【技术实现步骤摘要】
一种基于人工神经网络的集群式电气安全隐患预判方法
本专利技术涉及计算；推算；计数的
，特别涉及一种基于人工神经网络的集群式电气安全隐患预判方法。
技术介绍
由于电能应用的广泛性，电气安全也具有广泛性，不论生产领域，还是生活领域，都离不开电，都会遇到各种不同的电气安全问题，为了更好的保障人们的生产、生活的安全，预警系统被应用于大量用电场合中，通过报警以期保障电气安全。然而，现有市场上的大部分关于用电安全防范的方法都是采用传感器监测方式的“假预警”，这类方式基础监测的参数包括电流、电压、剩余电流、温度等，较专业的参数还包括故障电弧、有功功率、无功功率、基波功率因数、谐波畸变率等，但是这类监测的工作模式一般都是在监测到异常的数据时发出报警信息，从而达到所谓的“预警”效果，但事实上，真实的预警应当在异常情况没有发生前就给出警示，否则无法赢得处理电气安全故障的时间，可能会形成较大的损失。
技术实现思路
本专利技术解决了现有技术中，只有在发现异常时电气安全监测才开始反馈信息、加以警示，无法做到真正的预警效果的问题，提供了一种优化的基于人工神经网络的集群式电气安全隐患预判方法。本专利技术所采用的技术方案是，一种基于人工神经网络的集群式电气安全隐患预判方法，所述方法包括以下步骤：步骤1：收集电气安全监测点的监测数据作为训练数据；步骤2：对训练数据进行预处理，得到k个样本训练数据；步骤3：设定误差函数及误差精度ε、最大迭代次数为M，令m＝0；初始化连接权值ω和神经元的阈值h，ω＝rand(0，1)，h＝rand(0，1)；步骤4：以电气安全监测点作为人工神经网络的神经元，以任一预处理后的样本训练数据输入人工神经网络，i为样本训练数据的序号，1≤i≤k；步骤5：得到样本训练数据输入人工神经网络后的期望输出向量与当前人工神经网络的实际输出zoutput(i)，计算误差函数对输出层各神经元的偏导数δo(i)；步骤6：利用输出层各神经元的偏导数δo(i)和输入层神经元的输出xoi(i)修正任一神经元对应的连接权值ω和阈值h；步骤7：计算全局误差E，若E＜ε或m+1＝M，则进行下一步，否则，m＝m+1，返回步骤4；步骤8：以电气安全监测点作为训练好的人工神经网络的神经元，电气安全监测点实时采集监测数据，若人工神经网络的输出结果显示存在电气安全隐患，则报警，否则重复步骤8。优选地，所述步骤1中，监测数据包括对应的关键数据集a[n]和辅助数据集b[n]，所述训练数据其中，a[n]＝[a1，a2，a3，...an]，b[n]＝[b1，b2，b3，...bn]，c为每个监测点应携带地理位置信息，n为正整数。优选地，所述关键数据包括电缆温度、剩余电流和故障电弧的一种或多种，所述辅助数据包括电压、频率、波形畸变率和功率因数的一种或多种。优选地，所述步骤2中，预处理包括过滤关键数据集a[n]中的非常规数据和过滤监测数据中的离散值；将c为0的电气安全监测点继承父级位置信息，更新c，若c为0且无父级位置信息，则过滤。优选地，所述步骤4中，所述人工神经网络包括输入层和输出层，所述样本训练数据自输入层输入，经过人工神经网络后由输出层输出。优选地，所述人工神经网络中的神经元为电气安全监测点，任一神经元的向量包括输入向量zinput(i)和输出向量zoutput(i)，其中，f为激活函数。优选地，所述步骤5中，误差函数为误差函数对输出层各神经元的偏导数δo(i)＝(d(i)-zoutput(i))zoutput(i)(1-zoutput(i))。优选地，步骤6中，修正任一神经元对应的连接权值ω′＝ω+ηδo(i)zoutput(i)，修正任一神经元对应的阈值h′＝h+ηδo(i)，其中，η为学习率，η∈(0，1)。优选地，所述步骤7中，优选地，所述步骤7中，ε∈[0.3，0.8]。本专利技术提供了一种优化的基于人工神经网络的集群式电气安全隐患预判方法，通过收集电气安全监测点的监测数据作为训练数据并进行预处理，得到k个样本训练数据，以电气安全监测点作为人工神经网络的神经元，以任一预处理后的样本训练数据输入人工神经网络，得到期望输出向量与当前人工神经网络的实际输出，计算误差函数对输出层各神经元的偏导数，利用偏导数和输入层神经元的输出修正连接权值和阈值，以全局误差判断是否继续迭代，以最大迭代次数作为迭代的终止；在人工神经网络训练完成后以实采数据进行运算，判断当时是否存在电气安全隐患。本专利技术解决了现有技术中监测到异常数据后不采用自动干预的方式而演变成更严重的事故的问题的同时降低了成本投入，以现有电网的关联性为基础，实现集群式监测方式下电气安全的预警效果，而且随着样本量的增加和自学习时间的增加，该预判结果和预警将更加准确有效，能够真正做到电气安全隐患的预判，及早发现电气安全隐患，有效保护人民的生命财产安全。具体实施方式下面结合实施例对本专利技术做进一步的详细描述，但本专利技术的保护范围并不限于此。本专利技术涉及一种基于人工神经网络的集群式电气安全隐患预判方法，集群式电气安全系统的建设都会因场景不同而使用不同的传感器监测，能获得的数据参数也各式各样，这些参数有些会直接关系到电气安全问题，有些只是体现了电网质量信息。本专利技术中，将这些数据参数分为电气安全参数和电气质量参数。电气安全参数的异常往往表示监测点发生了安全隐患，这种隐患是会直接导致安全问题的，例如：电缆温度、剩余电流、故障电弧等，而这些参数也可视为电气安全的隐患指标参数，可以根据其重要程度进行赋予分数权重；电气质量参数主要是采集一定时间内的数据得出其变化的特性，根据变化因数分析电网供电质量的好坏，防止引起一些电气安全参数异常，电气质量参数包括电压、频率、波形畸变率、功率因数等。本专利技术中，以电气安全参数为主、电气质量参数为辅的两类参数来作为人工神经网络预判算法的“正向传播输入量”，以对预判结果的反馈作为神经网络预判算法的“误差逆向传播量”，利用神经网络自学习的特性，达到不断修正预判精度、给出准确的电气安全隐患预判的结果的目的，而结果会以安全值(即1～100的一个电气安全评分数值，100为最佳)的方式体现，用户可以根据每块区域安全值的不同而做出提前预警工作。所述方法包括以下步骤。步骤1：收集电气安全监测点的监测数据作为训练数据。所述步骤1中，监测数据包括对应的关键数据集a[n]和辅助数据集b[n]，所述训练数据其中，a[n]＝[a1，a2，a3，...an]，b[n]＝[b1，b2，b3，...bn]，c为每个监测点应携带地理位置信息，n为正整数。所述关键数据包括电缆温度、剩余电流和故障电弧的一种或多种，所述辅助数据包括电压、频率、波形畸变率和功率因数的一种或多种。本专利技术中，关键数据包括但不限于电缆温度、剩余电流和故障电弧；辅助数据包括但不限于电压、频率、波形畸变率和功率因数。步骤2：对训练数据进行预处理，得到k个样本训练数据。所述步骤2中，预处理包括过滤关键数据集a[n]中的非常规数据和过滤监测数据中的离散值；将c为0的电气安全监测点继承父级位置信息，更新c，若c为0且无父级位置信息，则过滤。本专利技术中，由于采集到的原始数据量非常庞大，而这里面往往具有少量的异常数据，但即使是少量的异常数亦会给计算结果带来很大的干扰，故需要执行本文档来自技高网...

【技术保护点】
1.一种基于人工神经网络的集群式电气安全隐患预判方法，其特征在于：所述方法包括以下步骤：步骤1：收集电气安全监测点的监测数据作为训练数据；步骤2：对训练数据进行预处理，得到k个样本训练数据；步骤3：设定误差函数及误差精度ε、最大迭代次数为M，令m＝0；初始化连接权值ω和神经元的阈值h，ω＝rand(0,1)，h＝rand(0,1)；步骤4：以电气安全监测点作为人工神经网络的神经元，以任一预处理后的样本训练数据

【技术特征摘要】
1.一种基于人工神经网络的集群式电气安全隐患预判方法，其特征在于：所述方法包括以下步骤：步骤1：收集电气安全监测点的监测数据作为训练数据；步骤2：对训练数据进行预处理，得到k个样本训练数据；步骤3：设定误差函数及误差精度ε、最大迭代次数为M，令m＝0；初始化连接权值ω和神经元的阈值h，ω＝rand(0,1)，h＝rand(0,1)；步骤4：以电气安全监测点作为人工神经网络的神经元，以任一预处理后的样本训练数据输入人工神经网络，i为样本训练数据的序号，1≤i≤k；步骤5：得到样本训练数据输入人工神经网络后的期望输出向量与当前人工神经网络的实际输出zoutput(i)，计算误差函数对输出层各神经元的偏导数δo(i)；步骤6：利用输出层各神经元的偏导数δo(i)和输入层神经元的输出xoi(i)修正任一神经元对应的连接权值ω和阈值h；步骤7：计算全局误差E，若E＜ε或m+1＝M，则进行下一步，否则，m＝m+1，返回步骤4；步骤8：以电气安全监测点作为训练好的人工神经网络的神经元，电气安全监测点实时采集监测数据，若人工神经网络的输出结果显示存在电气安全隐患，则报警，否则重复步骤8。2.根据权利要求1所述的一种基于人工神经网络的集群式电气安全隐患预判方法，其特征在于：所述步骤1中，监测数据包括对应的关键数据集a[n]和辅助数据集b[n]，所述训练数据其中，a[n]＝[a1,a2,a3,…an]，b[n]＝[b1,b2,b3,...bn]，c为每个监测点应携带地理位置信息，n为正整数。3.根据权利要求2所述的一种基于人工神经网络的集群式电气安全隐患预判方法，其特征在于：所述关键数据包括电缆温度、剩余电流和故障电弧的一种或多种，所述辅助数...

【专利技术属性】
技术研发人员：梁昆，蔡福守，张轩铭，王利强，钱伟，
申请(专利权)人：杭州拓深科技有限公司，
类型：发明
国别省市：浙江,33