一种基于GSA-Elman神经网络的电缆隧道告警系统及方法技术方案

一种基于GSA

【技术实现步骤摘要】
一种基于GSA
‑
Elman神经网络的电缆隧道告警系统及方法


[0001]本专利技术涉及电力设备安全监测领域，具体涉及一种基于GSA
‑
Elman神经网络的电缆隧道告警系统及方法。

技术介绍

[0002]电缆隧道安全监测的发展趋势是从现有的“预防性维修转为“预知性维修”，从“到期必修”“和故障维修”转为“该修则修”，即通过对电缆隧道工作环境参数在线监控和故障预测，在提前预知电缆故障隐患的前提下，实现对故障的及时、准确定位。
[0003]目前电缆隧道监测手段单一，并且有缺少智能控制单元实现区域自治等缺点。

技术实现思路

[0004]本专利技术的目的在于提供一种基于GSA
‑
Elman神经网络的电缆隧道告警系统及方法，以解决上述问题。
[0005]为实现上述目的，本专利技术采用以下技术方案：
[0006]一种基于GSA
‑
Elman神经网络的电缆隧道告警系统，包括采集层、数据处理层和应用层；采集层、数据处理层和应用层依次连接；采集层利用传感器将采集到的数据发送给数据处理层；数据处理层对实时监测到的数据进行险情预警；应用层查看监测装置发送过来的故障预警信息和采集的实时数据。
[0007]进一步的，采集层包括隧道环境采集装置、电缆温度和电流采集装置和隧道设备信息采集装置；
[0008]隧道环境采集装置包括温度传感器、湿度传感器和气体浓度传感器；
[0009]电缆温度和电流采集装置为电缆温度检测仪和电流检测仪；
[0010]隧道设备信息采集装置包括照明设备、安防设备和联动设备。
[0011]进一步的，数据处理层包括主光纤环网和GSA
‑
Elman综合监测装置；隧道环境采集装置、电缆温度和电流采集装置和隧道设备信息采集装置均连接到GSA
‑
Elman综合监测装置，GSA
‑
Elman综合监测装置连接主光纤环网。
[0012]进一步的，应用层用于事故处理、信息管理、预警险情和信息查询。
[0013]进一步的，一种基于GSA
‑
Elman神经网络的电缆隧道告警方法，其特征在于，包括以下步骤：
[0014]步骤1、电缆隧道历史故障数据样本获取与处理；
[0015]步骤2、故障模型的建立；
[0016]步骤3、构建ELMAN神经网络，初始化网络结构；
[0017]步骤4、万有引力算法优化ELMAN神经网络，找到最优位置的初始权值和阈值；
[0018]步骤5、得到GSA
‑
Elman网络结构；
[0019]步骤6、进行故障诊断，并将诊断结果与其它预测方法诊断结果相比较。
[0020]进一步的，步骤1中，具体包括：
[0021]步骤1.1、结合历史故障数据，采集的历史故障数据参数有七种，包括温度、湿度、一氧化碳、硫化氢、氧气、水位和烟雾；
[0022]步骤1.2、对数据进行归一化处理，采用的归一化公式如下：
[0023][0024]公式(1)中，x
i
为每个电缆隧道参数的第i个样本值，x
min
表示这类参数的最小值，x
max
表示这类参数的最大值，y为归一化处理后得到的数值，最终得到归一化至区间(0，1)内的数据。
[0025]进一步的，步骤2中，具体包括：
[0026]步骤2.1，将采集的电缆隧道险情类型按照顺序排列，得到7种险情模式，分别为Y1‑
Y7；
[0027]步骤2.2，对险情模式进行标识，在险情标识中，数字1代表了电缆隧道发生了险情，数字0代表电缆隧道未发生险情；
[0028]步骤2.3、对七种险情分别定义为：Y1火灾预警、Y2发生火灾，Y3内部过于潮湿、Y4水灾预警、Y5发生水灾、Y6氧气浓度不达标、Y7内部含有有毒气体，将电缆隧道的险情模式Y＝(Y1,Y2,Y3,Y4,Y5,Y6,Y7)作为神经网络的输出量，并用数字1到7表示：发生险情Y1神经网络输出数字1，发生险情Y2神经网络输出数字2，
……
，发生险情Y7神经网络输出数字7。
[0029]进一步的，步骤3中，具体包括：
[0030]步骤3.1、首先按照监测数据种类确定神经网络输入层的神经元个数为7，每种故障对应的输出模式为数字1～7，确定神经网络的输出层神经元个数为1，采用以下经验公式来做:
[0031]l＝random(1,n
‑
1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0032][0033][0034]公式(2)、(3)，m为输入节点数目，n为输出节点数目，a为1～10之间的整数；公式(4)中N
i
表示输入层神经元个数，N
o
代表输出层神经元个数，N
S
是训练集的样本数，a是可以自取的任意变量值，范围可取2～10；选取公式(3)计算隐含层神经元个数，l的取值范畴落在(1，12)这个区间上；
[0035]步骤3.2、对l从1至12逐个进行试验，计算每个节点数所对应的均方误差值，均方误差表达式为：
[0036][0037]公式(5)中，n代表数据个数，y1表示数据的期望值，y2表示数据的预测值；
[0038]由经验公式得出隐含层节点数的大致范围，然后使用试凑法，通过多次尝试，选择其中输出误差最小的节点数作为隐含层的节点数；通过试凑法，得出隐含层节点数为10时具有最好的预测性能；
[0039]步骤3.3、确定Elman网络结构为(7
‑
10
‑
1)型，因此网络共有7
×
10+10
×
1＝80个权值，10+1＝11个阈值；Elman网络的数学模型为：
[0040]y(k)＝g(w2h(k)+b
y
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0041]h(k)＝f(w1u(k
‑
1)+w3x
c
(k)+b
h
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0042]x
c
(k)＝a
·
x
c
(k
‑
1)+h(k
‑
1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0043]在公式(6)、(7)、(8)中，k代表迭代时间步，u为输入向量，y为输出向量，h为隐含层输出向量，x
c
为承接层输出向量；w1、w2、w3分别为网络输入层到隐含层、隐含层到输出层、承接层到隐含层的连接权值矩阵，b
y
和b
h
分别代表输出层神经元本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GSA
‑
Elman神经网络的电缆隧道告警系统，其特征在于，包括采集层、数据处理层和应用层；采集层、数据处理层和应用层依次连接；采集层利用传感器将采集到的数据发送给数据处理层；数据处理层对实时监测到的数据进行险情预警；应用层查看监测装置发送过来的故障预警信息和采集的实时数据。2.根据权利要求1所述的一种基于GSA
‑
Elman神经网络的电缆隧道告警系统，其特征在于，采集层包括隧道环境采集装置、电缆温度和电流采集装置和隧道设备信息采集装置；隧道环境采集装置包括温度传感器、湿度传感器和气体浓度传感器；电缆温度和电流采集装置为电缆温度检测仪和电流检测仪；隧道设备信息采集装置包括照明设备、安防设备和联动设备。3.根据权利要求2所述的一种基于GSA
‑
Elman神经网络的电缆隧道告警系统，其特征在于，数据处理层包括主光纤环网和GSA
‑
Elman综合监测装置；隧道环境采集装置、电缆温度和电流采集装置和隧道设备信息采集装置均连接到GSA
‑
Elman综合监测装置，GSA
‑
Elman综合监测装置连接主光纤环网。4.根据权利要求1所述的一种基于GSA
‑
Elman神经网络的电缆隧道告警系统，其特征在于，应用层用于事故处理、信息管理、预警险情和信息查询。5.一种基于GSA
‑
Elman神经网络的电缆隧道告警方法，其特征在于，基于权利要求1至4任意一项所述的一种基于GSA
‑
Elman神经网络的电缆隧道告警系统，包括以下步骤：步骤1、电缆隧道历史故障数据样本获取与处理；步骤2、故障模型的建立；步骤3、构建ELMAN神经网络，初始化网络结构；步骤4、万有引力算法优化ELMAN神经网络，找到最优位置的初始权值和阈值；步骤5、得到GSA
‑
Elman网络结构；步骤6、进行故障诊断，并将诊断结果与其它预测方法诊断结果相比较。6.根据权利要求5所述的一种基于GSA
‑
Elman神经网络的电缆隧道告警方法，其特征在于，步骤1中，具体包括：步骤1.1、结合历史故障数据，采集的历史故障数据参数有七种，包括温度、湿度、一氧化碳、硫化氢、氧气、水位和烟雾；步骤1.2、对数据进行归一化处理，采用的归一化公式如下：公式(1)中，x
i
为每个电缆隧道参数的第i个样本值，x
min
表示这类参数的最小值，x
max
表示这类参数的最大值，y为归一化处理后得到的数值，最终得到归一化至区间(0，1)内的数据。7.根据权利要求5所述的一种基于GSA
‑
Elman神经网络的电缆隧道告警方法，其特征在于，步骤2中，具体包括：步骤2.1，将采集的电缆隧道险情类型按照顺序排列，得到7种险情模式，分别为Y1‑
Y7；步骤2.2，对险情模式进行标识，在险情标识中，数字1代表了电缆隧道发生了险情，数字0代表电缆隧道未发生险情；
步骤2.3、对七种险情分别定义为：Y1火灾预警、Y2发生火灾，Y3内部过于潮湿、Y4水灾预警、Y5发生水灾、Y6氧气浓度不达标、Y7内部含有有毒气体，将电缆隧道的险情模式Y＝(Y1,Y2,Y3,Y4,Y5,Y6,Y7)作为神经网络的输出量，并用数字1到7表示：发生险情Y1神经网络输出数字1，发生险情Y2神经网络输出数字2，
……
，发生险情Y7神经网络输出数字7。8.根据权利要求5所述的一种基于GSA
‑
Elman神经网络的电缆隧道告警方法，其特征在于，步骤3中，...

【专利技术属性】
技术研发人员：王孝敬，王一鸣，纪超，王亮，刘家兵，武健，
申请(专利权)人：西安金源电气股份有限公司，
类型：发明
国别省市：