一种电力信息物理系统干扰检测方法技术方案

本发明专利技术属于电力信息物理系统技术领域，尤其涉及一种电力信息物理系统干扰检测方法。本发明专利技术对基于遗传算法的神经网络算法进行了改进，利用遗传算法通过优化神经网络的权值和阈值解决了系统中各种干扰的存在给系统造成的危害。本发明专利技术采用遗传算法和神经网络模型求解运行，给出最终干扰成因，验证了基于遗传算法的神经网络与传统神经网络相比的优越性，为电力信息物理系统的发展提供了更加有效的安全保障。

【技术实现步骤摘要】
一种电力信息物理系统干扰检测方法
本专利技术属于电力信息物理系统
，尤其涉及一种电力信息物理系统干扰检测方法。
技术介绍
随着电力基础网络和电力信息通信网络联系的日益紧密，传统的仅基于电力系统物理联系的分析和控制领域研究的局限性凸显。针对目前多源异构配电网中因分布式电源等因素导致配电网运行复杂，以及能量流、信息流和业务流的高度融合对配电网安全、高效、可靠运行带来的影响日益严重等问题，极有必要结合两种或两种以上算法的组合检测方法进行多场景扰动下的配电信息物理系统抗扰控制研究。随着电力信息物理系统发展，信息安全的重要性逐渐凸显，系统中各种干扰的存在给系统造成了极大的危害。系统中的干扰具有不确定性，由于神经网络对各种非线性问题具有良好的泛化能力，因此神经网络算法可以应用于各类干扰的检测，但是神经网络还存在收敛速度慢、易陷入局部最优等缺点，并且传统的神经网络算法容易将误差信号转化为局部极小值。
技术实现思路
针对上述现有技术中存在的不足之处，本专利技术提供了一种电力信息物理系统干扰检测方法。其目的是利用遗传算法通过优化神经网络的权值和阈值来解决系统中各种干扰的存在给系统造成的危害性的问题。本专利技术为实现上述目的所采用的技术方案是：一种电力信息物理系统干扰检测方法，采用遗传算法和神经网络模型求解运行，给出最终干扰成因，验证基于遗传算法的神经网络与传统神经网络相比的优越性；神经网络算法包括以下步骤：步骤1.在训练样本中输入目标样本和输入样本；步骤2.从正方向开始计算；步骤3.计算各层输出；步骤4.计算样本的输出误差；步骤5.调整输出层和隐含层的权重和阈值；步骤6.确定所有样本的培训是否完成；如果没有，则选择新样本并返回步骤2进行正向计算；如果是，则转到步骤7；步骤7.计算误差，确定误差是否在允许范围内，如果满足，则结束；如果不满足则转到步骤8；步骤8.确定培训频率是否满足计划的培训频率，如果是，则流程结束；如果没有，则转到步骤2继续培训。所述神经网络算法，误差函数在负方向上递减，网络中的权值Wij,Tij和阈值θ得到修正。所述遗传算法包括以下步骤：步骤1：确定神经网络的拓扑结构；步骤2：对神经网络的权值和阈值进行编码得到初始值；步骤3：通过初始值计算得到权值和阈值；步骤4：为新创建的神经网络分配权值和阈值；步骤5：训练样本和网络；步骤6：测试样本和网络；步骤7：计算适应度；步骤8：选择高度适应性样本进行复制；步骤9：进行交叉变异；步骤10：创建新建组；步骤11：如果满足终止条件，进行下一步；如果未满足终止条件，则返回到步骤2；步骤12：进行解码；步骤13：得到最优的神经网络权值和阈值。所述神经网络算法允许信号沿正方向传播，误差沿反方向传播；信号从输入层进入隐含层，经过隐含层各层处理后，通过传递函数计算出输出值；该值被输入到输出层，输出层根据传递函数的影响计算最终的实际输出值。所述神经网络为三层时，设n为输入层节点数，m为隐藏层节点数，k为输出层节点数，p为输入样本总数，Xpi为第p个样本的第i个节点输入，Ypj为第p个样本隐含层中第j个节点，Opl为第p个样本输出层中第l个节点，Vji为输入层中第i个节点与隐含层的第j个节点之间的连接权重，Wli为隐含层的第j个节点与输出层中第l个节点之间的连接权重，tpl为第p个样本的第l个节点输出的期望；在正向传播过程中，每一层都需要计算输出值，隐含层的输出值是：上式中，netpj为相应节点，f为对应函数；其中是输出层的输出值是：其中在上式中，用S型函数作为激励函数它的导数满足f＝f(1-f)的条件，误差函数条件E为：其中Ep为第p个样本的误差，当调整正向传播权值时，输出层权值调整的表达式为：其中，η是学习率，一般取值范围为0.1-0.3；已知f＝f(1-f),公式(8)可由公式(5),(6)和(7)得到输出层的权值调整表达式可调整为：可以推到出隐含层权值调整的表达式为：上式中，E为误差函数。一种计算机存储介质，所述计算机存储介质上存有计算机程序，所述计算机程序被处理器执行时实现所述的一种电力信息物理系统干扰检测方法的步骤。本专利技术具有以下有益效果及优点：本专利技术对基于遗传算法的神经网络算法进行了改进，采用遗传算法和神经网络模型求解运行，给出最终干扰成因，验证了基于遗传算法的神经网络与传统神经网络相比的优越性，为电力信息物理系统的发展提供了更加有效的安全保障。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1为本专利技术神经网络算法流程图；图2为本专利技术遗传算法获得最优权值和阈值的流程图。具体实施方式为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面将结合附图和具体实施方式对本专利技术进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是，本专利技术还可以采用其他不同于在此描述的其他方式来实施，因此，本专利技术的保护范围并不受下面公开的具体实施例的限制。下面参照图1-图2描述本专利技术一些实施例的技术方案。实施例1本专利技术是一种电力信息物理系统干扰检测方法，对基于遗传算法的神经网络算法进行了改进，本专利技术采用遗传算法和神经网络模型求解运行，给出最终干扰成因，验证了基于遗传算法的神经网络与传统神经网络相比的优越性。如图1所示，图1为本专利技术神经网络算法流程图。本专利技术神经网络算法，即BP算法，具体包括以下步骤：步骤1.在训练样本中输入目标样本和输入样本；步骤2.从正方向开始计算；步骤3.计算各层输出；步骤4.计算样本的输出误差；步骤5.调整输出层和隐含层的权重和阈值；步骤6.确定所有样本的培训是否完成；如果没有，则选择新样本并返回步骤2进行正向计算；如果是，则转到步骤7；步骤7.计算误差M，确定误差是否在允许范围m内，如果满足则结束；如果不满足则转到步骤8；步骤8.确定培训频率ε是否满足计划的培训频率E。如果是则流程结束；如果没有则转到步骤2继续培训。在神经网络算法中，误差函数在负方向上递减，网络中的权值Wij,Tij和阈值θ也得到了修正。实施例2本专利技术又提供了一种实施例，一种电力信息物理系统干扰检测方法，采用遗传算法和神经网络模型求解运行，给出最终干扰成因，验证了基于遗传算法的神经网络与传统神经网络相比的优越性。如图2所示，图2为本专利技术遗传算法获得最优权值和阈值的本文档来自技高网...

【技术保护点】
1.一种电力信息物理系统干扰检测方法，其特征是：采用遗传算法和神经网络模型求解运行，给出最终干扰成因，验证基于遗传算法的神经网络与传统神经网络相比的优越性；/n神经网络算法包括以下步骤：/n步骤1.在训练样本中输入目标样本和输入样本；/n步骤2.从正方向开始计算；/n步骤3.计算各层输出；/n步骤4.计算样本的输出误差；/n步骤5.调整输出层和隐含层的权重和阈值；/n步骤6.确定所有样本的培训是否完成；如果没有，则选择新样本并返回步骤2进行正向计算；如果是，则转到步骤7；/n步骤7.计算误差，确定误差是否在允许范围内，如果满足，则结束；如果不满足则转到步骤8；/n步骤8.确定培训频率是否满足计划的培训频率，如果是，则流程结束；如果没有，则转到步骤2继续培训。/n

【技术特征摘要】
1.一种电力信息物理系统干扰检测方法，其特征是：采用遗传算法和神经网络模型求解运行，给出最终干扰成因，验证基于遗传算法的神经网络与传统神经网络相比的优越性；
神经网络算法包括以下步骤：
步骤1.在训练样本中输入目标样本和输入样本；
步骤2.从正方向开始计算；
步骤3.计算各层输出；
步骤4.计算样本的输出误差；
步骤5.调整输出层和隐含层的权重和阈值；
步骤6.确定所有样本的培训是否完成；如果没有，则选择新样本并返回步骤2进行正向计算；如果是，则转到步骤7；
步骤7.计算误差，确定误差是否在允许范围内，如果满足，则结束；如果不满足则转到步骤8；
步骤8.确定培训频率是否满足计划的培训频率，如果是，则流程结束；如果没有，则转到步骤2继续培训。


2.根据权利要求1所述的一种电力信息物理系统干扰检测方法，其特征是：所述神经网络算法，误差函数在负方向上递减，网络中的权值Wij,Tij和阈值θ得到修正。


3.根据权利要求1所述的一种电力信息物理系统干扰检测方法，其特征是：所述遗传算法包括以下步骤：
步骤1：确定神经网络的拓扑结构；
步骤2：对神经网络的权值和阈值进行编码得到初始值；
步骤3：通过初始值计算得到权值和阈值；
步骤4：为新创建的神经网络分配权值和阈值；
步骤5：训练样本和网络；
步骤6：测试样本和网络；
步骤7：计算适应度；
步骤8：选择高度适应性样本进行复制；
步骤9：进行交叉变异；
步骤10：创建新建组；
步骤11：如果满足终止条件，进行下一步；如果未满足终止条件，则返回到步骤2；
步骤12：进行解码；
步骤13：得到最优的神经网络权值和阈值。


4.根据权利要求1所述的一种电力信息物理系统干扰检测方法，其特征是：所述神经网络算法允许信号沿正方向传播，误差...

【专利技术属性】
技术研发人员：王义贺，宋坤，潘霄，张娜，徐婷婷，王赫妍，李忱，陈友慧，赫鑫，贾博，朱赫炎，金宇飞，张晓天，
申请(专利权)人：国网辽宁省电力有限公司经济技术研究院，国家电网有限公司，
类型：发明
国别省市：辽宁;21