【技术实现步骤摘要】
本专利技术涉及一种开关柜局放模式识别方法，具体涉及一种基于改进aft算法优化bp神经网络的开关柜三合一局放模式识别方法；属于电力设备局部放电在线检测。
技术介绍
1、开关柜是城市配电网中的重要基础设施，其可靠性直接决定了用户供电的稳定性，进而直接影响到经济发展和人民生活水平质量的提高。开关柜在设计、制造、安装和运维等环节都可能会存在不同程度的问题，如污秽影响、绝缘薄弱、爬距及空气间隙不够、制造装配质量及工艺不达标、接点容量不足或接触不良等，这些问题会导致不同类型的事故发生。
2、在开关柜绝缘系统中，各部位的电场强度存在差异，某个区域的电场强度一旦达到其击穿场强时，该区域就会出现放电现象，若施加电压的两个导体之间并未贯穿整个放电过程，即放电未击穿绝缘系统，这种现象即为局部放电（简称局放）。根据局放的发生原理不同，开关柜的局放类型有：金属尖端放电、悬浮电极放电以及沿面放电。
3、虽然现有技术中对于局部放电的原理已经有了较为深入的研究，然而，受制于开关柜的全封闭结构，运维人员对于局放故障的检测及判断不能深入现场，因而要依托局放发生时其外在能量表现形式进行间接局放检测。目前采用的开关柜局放间接检测技术主要有地电波检测、超声波检测、特高频检测等。但是，无论哪种检测方法均具有其局限性，无法将开关柜运行状态客观、全面、真实地反映出来，甚至还会出现误判并造成不必要的经济损失。
4、鉴于上述原因，亟需一种准确高效的局部放电模式识别方法来支撑开关柜设备的安全稳定运行。
技术实现思路b>
1、为解决现有技术的不足，本专利技术的目的在于提供一种基于改进aft算法优化bp神经网络的开关柜三合一局放模式识别方法，以解决实际工程中开关柜局部放电发生时不能进行局放模式准确判别的问题。
2、为了实现上述目标，本专利技术采用如下的技术方案：
3、本专利技术公布了一种基于改进aft算法优化bp神经网络的开关柜三合一局放模式识别方法，包括如下步骤：
4、s1、使用三合一局放传感器检测超声波信号、地电波信号和温湿度信号并形成原始数据集；
5、s2、对原始数据集进行归一化处理并进行统计特征参数提取，形成训练数据集；
6、s3、搭建bp神经网络，并使用改进的aft算法优化bp神经网络，使bp神经网络的适应度函数值达到最优；
7、s4、将测试数据集输入经改进的aft算法优化后的bp神经网络中进行开关柜三合一局放模式在线检测。
8、当开关柜发生局部放电时，其会产生不同程度的电、光、热、声信号。超声波检测方式采集局放发生时的超声信号并转化为电信号；地电波检测方式采集局放发生时的电信号；温湿度检测方法采集局放发生时的热信号。由于不同检测方式对于不同局放类型具有不同的适应性，因此本专利技术采用三种检测方式联合特征提取的三合一局放检测方法。当三合一局放传感器识别到数据异常时，即已发生局部放电，对检测到的数据进行统计特征参数提取，并将提取的统计特征参数传入经改进aft算法优化的bp神经网络中进行局部放电在线模式识别，放电模式/类型主要包括金属尖端放电、悬浮电极放电及沿面放电。
9、优选地，前述步骤s1中，所述原始数据集为：
10、，
11、其中，表示三合一局放传感器检测到的一组局放原始数据集；表示第个相位窗超声波信号的最大值；表示第个相位窗超声波信号的平均值；表示第个相位窗地电波信号的最大值；表示第个相位窗地电波信号的平均值；表示第个相位窗温湿度信号的最大值；表示第个相位窗温湿度信号的平均值。
12、，所述表示传感器检测到的原始数据集对应的局部放电类型；为的编码形式。
13、更优选地，前述步骤s2包括如下子步骤：
14、s2.1、对所有原始数据集进行归一化处理；
15、s2.2、对归一化处理完成的数据集进行统计特征参数提取，对所有三合一传感器检测到的异常局放数据集中的每一项数据分别计算统计特征参数，形成训练数据集的输入；
16、s2.3、对进行编码，表征不同类型的局部放电，形成训练数据集的输出。
17、进一步优选地，前述步骤s3中，bp神经网络包括输入层、隐藏层、输出层；所述输入层使用训练数据集作为bp神经网络的输入，所述隐藏层连接训练输入数据与输出数据之间的关系，所述输出层神经元的不同编码方式表示不同的放电类型。
18、再进一步优选地，前述步骤s3中，采用均方根误差作为优化的适应度函数。
19、更优选地，前述适应度函数计算如下：
20、，
21、式中，为适应度函数值；为bp神经网络预测值；为对应输入的真实值；为训练数据的组数。
22、更进一步优选地，前述步骤s3中，通过对aft算法进行了改进以增加搜索效率并保持多样性，改进的aft算法优化bp神经网络的过程如下：
23、（1）初始化大盗种群：
24、，
25、，
26、其中，为大盗种群；为整个种群中候选解的个数，即大盗的数量；为决策变量的个数；为第个候选解，即第个大盗；为第个候选解的第个决策变量，其中，；为第个决策变量的下限值；为第个决策变量的上限值；为[0,1]之间的随机数，由此计算每个大盗的位置，即适应度函数；
27、（2）初始化每个大盗的历史最佳位置和整个种群的历史最佳位置；初始化女仆帮助阿里巴巴逃脱大盗追捕的智慧水平：
28、，
29、式中，表示女仆相对于第个盗贼第个决策维度的智慧水平，其中，；
30、（3）大盗从当前位置搜索阿里巴巴所在位置：
31、首先，产生[0,1]之间的随机数，该随机数服从[0, 1]均匀分布产生。
32、若≥0.5，则执行第一类搜索操作：
33、
34、式中，为阿里巴巴在第代相对于第个大盗的位置；为第代盗贼的追踪距离，，为调节追踪距离的系数（自适应因子）以防止追踪距离过大跃出决策空间，，为最大迭代次数；为第代盗贼对阿里巴巴所在位置的感知能力，；的取值为1或-1，代表盗贼追捕阿里巴巴的方向；为整数，其取值由确定，用于确定女仆的智慧水平，两侧符号表示向上取整，例如符号内为3.1，则经过该符号运算后取值为4；
35、若＜0.5，则执行第二类搜索操作：
36、，
37、式中，表示对随机选取的个决策变量维度进行莱维飞行以增加搜索方向从而增加种群的多样性，莱维飞行的步长为：，
38、式中，为服从高斯分布的随机数，其中，；为服从高斯分布的随机数，为随机步长，代表积分运算，满足；
39、（4）更新种群中大盗的位置：
40、，
41、式中，为适应度函数；
42、（5）更新种群中每个大盗的历史最佳位置和整个种群的历史最佳位置；
43、更新女仆的智慧水平：
44、。
45、再本文档来自技高网...
【技术保护点】
1.一种基于改进AFT算法优化BP神经网络的开关柜三合一局放模式识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于改进AFT算法优化BP神经网络的开关柜三合一局放模式识别方法，其特征在于，所述步骤S1中，原始数据集为：
3.根据权利要求1所述的一种基于改进AFT算法优化BP神经网络的开关柜三合一局放模式识别方法，其特征在于，所述步骤S2包括如下子步骤：
4.根据权利要求1所述的一种基于改进AFT算法优化BP神经网络的开关柜三合一局放模式识别方法，其特征在于，所述步骤S3中，BP神经网络包括输入层、隐藏层、输出层；所述输入层使用训练数据集作为BP神经网络的输入，所述隐藏层连接训练输入数据与输出数据之间的关系，所述输出层神经元的不同编码方式表示不同的放电类型。
5.根据权利要求4所述的一种基于改进AFT算法优化BP神经网络的开关柜三合一局放模式识别方法，其特征在于，所述隐藏层神经元输出与输入层之间的关系为：
6.根据权利要求4所述的一种基于改进AFT算法优化BP神经网络的开关柜三合一局放模式识别方法，其特
7.根据权利要求6所述的一种基于改进AFT算法优化BP神经网络的开关柜三合一局放模式识别方法，其特征在于，，其中，为的编码形式，表示传感器检测到的原始数据集对应的局部放电类型；时表示发生金属尖端放电，时表示发生悬浮电极放电，时表示发生沿面放电。
8.根据权利要求1所述的一种基于改进AFT算法优化BP神经网络的开关柜三合一局放模式识别方法，其特征在于，所述步骤S3中，采用均方根误差作为优化的适应度函数。
9.根据权利要求8所述的一种基于改进AFT算法优化BP神经网络的开关柜三合一局放模式识别方法，其特征在于，所述适应度函数计算如下：
10.根据权利要求1~9任一项所述的一种基于改进AFT算法优化BP神经网络的开关柜三合一局放模式识别方法，其特征在于，所述步骤S3中，改进的AFT算法优化BP神经网络的过程如下：
...【技术特征摘要】
1.一种基于改进aft算法优化bp神经网络的开关柜三合一局放模式识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于改进aft算法优化bp神经网络的开关柜三合一局放模式识别方法，其特征在于，所述步骤s1中，原始数据集为：
3.根据权利要求1所述的一种基于改进aft算法优化bp神经网络的开关柜三合一局放模式识别方法，其特征在于，所述步骤s2包括如下子步骤：
4.根据权利要求1所述的一种基于改进aft算法优化bp神经网络的开关柜三合一局放模式识别方法，其特征在于，所述步骤s3中，bp神经网络包括输入层、隐藏层、输出层；所述输入层使用训练数据集作为bp神经网络的输入，所述隐藏层连接训练输入数据与输出数据之间的关系，所述输出层神经元的不同编码方式表示不同的放电类型。
5.根据权利要求4所述的一种基于改进aft算法优化bp神经网络的开关柜三合一局放模式识别方法，其特征在于，所述隐藏层神经元输出与输入层之间的关系为：
6.根据权利要求...
【专利技术属性】
技术研发人员：费章君，朱俊强，杨仕友，李奕颖，刘江林，操星，
申请(专利权)人：江苏征途技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。