基于bp神经网络的输电线路覆冰增长模型研究

《基于bp神经网络的输电线路覆冰增长模型研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第２５卷第１期四川理工学院学报（自然科学版）Ｖｏｌ２５Ｎｏ１２０１２年２月ＪｏｕｒｎａｌｏｆＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｆｅｂ２０１２文章编号：１６７３１５４９（２０１２）０１００６３０４基于ＢＰ神经网络的输电线路覆

2、冰增长模型研究１１１１２罗毅，姚毅，李莺，王锴，邱玲（１．四川理工学院自动化与电子信息学院，四川自贡６４３０００；２．四川理工学院计算机科学学院，四川自贡６４３０００）摘要：分析了现有输电线路覆冰增长模型在预测中的不足以及神经网络对非线性映射变量表达的优越性，提出了一种基于Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔ学习算法的ＢＰ神经网络的覆冰增长预测模型。通过实验获取的覆冰增长数据样本训练ＢＰ网络，利用收敛的网络进行输电线路覆冰增长的预测，仿真实验误差１ｍｍ以下的有７组数据，远高于对比模型ｍａｋｋｏｎｏｅ模型的３组，验证了模型有效性，对输电线路的覆冰研究和预防有重要意义

3、。关键词：输电线路；覆冰增长；ＢＰ神经网络；Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔ；预测中图分类号：ＴＰ２９文献标识码：Ａ引言１覆冰增长的影响因素随着智能电网的发展和近年来恶劣天气频发，安全覆冰是液态过冷却水滴撞击导线表面，释放潜热固可靠的电力网建设显得非常重要。２００８年的冰雪灾害化的物理过程，与热量交换和传递密切相关。导线覆冰造成了多起安全事故和巨大的经济损失，如何防治输电的增长与风速、已覆冰时间及密度、降水量、水滴直径、线路的覆冰灾害已经成为智能电网建设中首要解决的温度、空气湿度等因素有关。覆冰的类型也有干增长与［１］［２］问题之一。湿增长，均匀与非均匀之分。

4、由于采用非线性的神经目前关于输电导线的覆冰增长模型都是导线表面网络模型，故本文主要考虑风速、温度、相对湿度、压强微气象参数与覆冰增长的数学关系模型，这些模型的理四个参数，未考虑覆冰增长类型。预测模型系统原理图论依据虽然已经相当完善，在模型参数严格准确条件下如图１所示，由传感器群、前置放大、多通道Ａ／Ｄ变换器也能够准确地预测覆冰的增长情况。但这种严格基于及信号处理等部分组成。前端监测数据的获得非常重数学推导的模型有很大的缺陷，即在所需气象参数分辨要，其中风速、温度、相对湿度等数据都可以利用现有率达不到要求时，模型的数学公式就失去意义，不再能的传感器精确采集，从而为模型

5、提供非常可靠的数据准确反映覆冰的增长情况。基础。能适应参数不严格准确的导线覆冰增长模型研究成为一项紧迫的工作，在输电线路防冰研究中，能够掌握覆冰增长规律并准确预测对导线覆冰的防治工作具有重要的指导性。为此，本文在综合研究了典型覆冰形成条件及变化规律后，仿真实现了一种基于ＢＰ神经网图１预测模型系统原理图络的覆冰增长模型，并进行了性能评价。收稿日期：２０１１１２２８基金项目：四川省电力公司资助项目（ＬＧ２０１０６８）；人工智能实验室运行和开放式研究基金（ＬＧ２０１０６７）作者简介：罗毅（１９７３），男，四川南部人，副教授，硕士生，主要从事智能控制和信息处理方面

6、的研究，（Ｅｍａｉｌ）ＬＹＬＹＬＡ＠１２６．ｃｏｍ６４四川理工学院学报（自然科学版）２０１２年２月Ｅ是多个ｚ的函数，但只有一个ｚ是与ｖ相关的，各ｚｋｉｉｊｋ２神经网络模型的建立间相互独立，而其中在小型人工覆冰实验室模拟覆冰实验得到了风速、Ｅ１ｚｋｚ＝２∑[－２（ｔｋ－ｚｋ）·]＝－（ｔｉ－ｚｉ）′温度、相对湿度、压强四个主要影响因素和对应导线覆ｉｋｚｉ冰增长数据，根据四个输入参数及预测精度选用四层神ｚｉ＝ｚｉｎｅｔｉ＝ｆ′（ｎｅｔ）·ｙｉｊｖｉｊｎｅｔｉｖｉｊ经元的ＢＰ神经网络作为预测模型。预测模型的网络拓Ｅ所以＝－δｙ，设输入点的误差为δ＝

7、（ｔ－ｚ）·扑结构如图２所示，算法流程如图３所示。ｖｉｊｉｉｉｉｊｆ′（ｎｅｔ），其中ｆ′（ｎｅｔ）是隐层结点的输出。ｉｉＴ－１Ｔ表现函数ｘ＝ｘ－［ＪＪ＋μＩ］Ｊｅ，当μ＝０时，ｋ＋１ｋ就是具有近似Ｈｅｓｓｉａｎ阵的牛顿算法。μ大于０时，ＬＭ算法就更接近小步长的梯度法。在迭代过程中，如果训练成功就减小μ的值，训练失败就增加μ的值，直到函［３５］数减小到一定值。４模型的仿真与评价４１数据预处理图２预测模型的网络拓扑结构选用２００７年２月２７日至２００７年３月１日某线路的覆冰在线监测系统采集的数据。由于训练前数据范围对网络训练的收敛速度有重要影响，故对样本数据