地铁变电所钢轨电位计算方法技术

本发明专利技术提供了地铁变电所钢轨电位计算方法，包括：基于地铁变电所的供电系统结构建立正常供电情况下钢轨电位的数学模型；根据数学模型获取引发钢轨电位变化的参量；建立回归模型池；参量即构成回归模型池中回归模型的输入参量，基于自适应学习的最优回归模型选择方法从回归模型池中选择并训练回归模型，得到优化好的回归模型；根据优化好的回归模型对地铁变电所钢轨电位进行计算。本发明专利技术方法通过回归模型的选择以及训练得到了优化的回归模型，由回归模型在运行数据中挖掘出供电系统输入输出之间的关系来计算电位，避开了对地铁牵引供电网络阻抗参数的直接测量与计算，得到的电位结果精确。

【技术实现步骤摘要】
地铁变电所钢轨电位计算方法
本专利技术涉及地铁牵引供电
，尤其涉及一种基于回归分析计算地铁变电所钢轨电位的方法。
技术介绍
钢轨电位水平是评估地铁牵引供电系统性能的一项重要指标，该指标的高低关系到系统回流能力和运行安全。在当今日益繁重的运行需求下，地铁行车组织频繁调整，在需要缩短发车间隔以提高运输能力时，如果无法准确地评估各变电所钢轨电位水平，尤其是最大水平，则可能导致OVPD频繁动作甚至供电分区失电等事故。在地铁牵引供电系统的仿真研究中，准确的计算和评估钢轨电位水平一直都一个具有挑战性的难题。该项工作的主要难点源于以下几个关键因素：1)钢轨接地网及杂散电流网在结构上是高度复杂的；2)钢轨的阻抗参数具有不均匀性和非线性；3)接地电阻受地下隧道及周围接地体等诸多因素影响，且很难准确测量。也就是说，即使为中压交流网络、整流机组和接触网(轨)等元件建立成熟准确的电路模型，并且在考虑变电所储能装置工作的情况下进行仿真计算，所得到的钢轨电位计算结果可能存在较大偏差。现有技术中采用的方案包括：通过建立单边供电情况下牵引回流系统等效电路，忽略杂本文档来自技高网...

【技术保护点】
1.一种地铁变电所钢轨电位计算方法，其特征在于，包括：/n基于地铁变电所的供电系统结构建立正常供电情况下钢轨电位的数学模型；/n根据所述数学模型获取引发钢轨电位变化的参量；/n建立回归模型池；/n所述的参量即构成回归模型池中回归模型的输入参量，基于自适应学习的最优回归模型选择方法从所述的回归模型池中选择并训练回归模型，得到优化好的回归模型；/n根据优化好的回归模型对地铁变电所钢轨电位进行计算。/n

【技术特征摘要】
1.一种地铁变电所钢轨电位计算方法，其特征在于，包括：
基于地铁变电所的供电系统结构建立正常供电情况下钢轨电位的数学模型；
根据所述数学模型获取引发钢轨电位变化的参量；
建立回归模型池；
所述的参量即构成回归模型池中回归模型的输入参量，基于自适应学习的最优回归模型选择方法从所述的回归模型池中选择并训练回归模型，得到优化好的回归模型；
根据优化好的回归模型对地铁变电所钢轨电位进行计算。


2.根据权利要求1所述的方法，其特征在于，所述的回归模型池包括：使用ML.NET中用于回归问题的算法作为回归模型池，对应的回归模型包括如下表1所示的9种模型：
表1








编号
回归模型


1
LbfgsPoissonRegressionTrainer


2
LightGbmRegressionTrainer


3
SdcaRegressionTrainer


4
OlsTrainer


5
OnlineGradientDescentTrainer


6
FastTreeRegressionTrainer


7
FastTreeTweedieTrainer


8
FastForestRegressionTrainer


9
GamRegressionTrainer








3.根据权利要求1所述的方法，其特征在于，所述的参量即构成回归模型池中回归模型的输入参量，基于自适应学习的最优回归模型选择方法从所述的回归模型池选择并训练回归模型，得到优化好的回归模型，具体包括：
S31获取训练数据集；
S32根据所述的训练数据集，依次采用所述的回归模型池中得模型进行一轮次的训练，在第一轮训练结束后，将训练得到的模型结果按照R-Squared(R平方)指标从大到小进行排序，基于权重分配的原则，确定各个回归模型在后续随机选取的概率；
S33根据回归模型的选取概率选取回归模型，通过所述的训练数据集对选取的回归模型进行训练，直至回归模型的损耗函数收敛或达到给定训练时间，停止训练，得到训练后回归模型；

【专利技术属性】
技术研发人员：杨少兵，张征，叶晶晶，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11