一种神经网络层级动态调节的电力设备电压等级识别方法技术

本发明专利技术提出一种神经网络层级动态调节的电力设备电压等级识别方法。本发明专利技术引入多训练样本，标记每组样本真实电压等级，然后引入训练好的BP神经网络模型做为初始BP神经网络模型，将每组样本依次输入至初始BP神经网络模型得到各样本初始预测电压等级，根据样本预测电压等级与真实电压等级计算分类误差指标和估计误差指标；判断分类误差指标和估计误差指标是否满足收敛；若指标均收敛，则保持步骤2所述模型层数不变；若分类误差指标或者估计误差指标不满足收敛则跳转至步骤5；若初始神经网络模型层数达到最大值，则层数不变；否则，层数增加一层，调整新增层权重与偏置，跳转至步骤2；本发明专利技术提高了训练速度和效率，提升电力设备带电作业预警水平。电作业预警水平。电作业预警水平。

【技术实现步骤摘要】
一种神经网络层级动态调节的电力设备电压等级识别方法


[0001]本专利技术属于电力系统
，尤其涉及一种神经网络层级动态调节的电力设备电压等级识别方法。

技术介绍

[0002]电力设备带电作业是重要的电力工作内容。由于目前电网中不同电压等级设备混合接入较多，工作人员在带电作业过程中主要依靠现有防触电预警设备进行预警。然而，现有防触电预警设备难以针对不同电压等级线路进行主动调节预警水平。“毛凯，组式高压电场测量和安全距离报警系统研究，重庆大学，2014”提出研制一种基于无线传输的组式高压电场测量安全距离警示仪，但没有考虑不同电压等级电场强度不同的影响。“丁月明，高电压现场施工安全距离报警新技术及样机开发，华中科技大学，2011”提出一种高压现场施工安全距离报警技术及样机开发，该论文主要侧重于施工机械过于靠近高压设备导致发生故障的一种方案，未涉及不同电压等级的自适应预警。此外，部分学者提出采样神经网络进行电压等级分类。然而，上述方法均没有考虑工程现场进行带电作业时需要快速判断电压等级需求，同时，采用神经网络算法进行电压等级分类又可能存在达到不收本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种神经网络层级动态调节的电力设备电压等级识别方法，其特征在于，包括以下步骤：步骤1：引入多组训练样本，人工标记每组训练样本的真实电压等级，引入BP神经网络模型，设定初始神经网络层数，将每组训练样本依次输入至BP神经网络模型预测得到每组训练样本的预测电压等级，结合每组训练样本的真实电压等级构建损失函数模型，通过Adma算法优化训练得到初始优化后的神经网络权重、初始优化后的神经网络偏置，结合初始优化后的神经网络权重、初始优化后的神经网络偏置以及初始神经网络层数构建初始BP神经网络模型；步骤2：将每组训练样本依次输入至初始BP神经网络模型预测得到每组训练样本的初始预测电压等级，根据每组训练样本的初始预测电压等级以及每组训练样本的真实电压等级计算分类误差指标，根据每组训练样本的初始预测电压等级以及每组训练样本的真实电压等级计算估计误差指标；步骤3：判断分类误差指标是否满足收敛以及判断估计误差指标是否满足收敛；步骤4：若分类误差指标以及估计误差指标均收敛，则保持步骤2所述的初始神经网络模型的层数不变；若分类误差指标不满足收敛或者估计误差指标不满足收敛则跳转至步骤5；步骤5：若初始神经网络模型的层数达到层数最大值，则保持初始神经网络模型的层数不变；否则，初始神经网络模型的层数增加一层，并调整新增神经网络层的权重以及偏置，跳转至步骤2。2.根据权利要求1所述的神经网络层级动态调节的电力设备电压等级识别方法，其特征在于，包括以下步骤：步骤1所述每组训练样本，具体定义为：X
t
＝(B
t
，W
t
、S
t
、Q
t
、G
t
、D
t
)，t∈t1ttt其中，R表示训练样本的数量，X
t
表示第t组训练样本，B
t
表示第t组训练样本的海拔，W
t
表示第t组训练样本的温度，S
t
表示第t组训练样本的湿度，Q
t
表示第t组训练样本的气流，G
t
表示第t组训练样本的光照，D
t
表示第t组训练样本的电场强度；步骤1所述每组训练样本的真实电压等级,具体定义为：Lev...

【专利技术属性】
技术研发人员：许斌斌，宋长青，吴彦伟，曾耀强，姚丙君，唐金锐，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：