一种残膜回收机防缠绕挑膜装置的制 一种秧草收获机用电力驱动行走机构

一种基于BP神经网络和改进SCADA数据的线路参数辨识方法与流程

2021-10-24 05:55:00 来源:中国专利 TAG:神经网络 辨识 改进 参数 线路

技术特征:
1.一种基于bp神经网络和改进scada数据的线路参数辨识方法,其特征是,包括如下步骤:步骤s1:建立包含不同运行条件下不同线路scada数据训练集;步骤s2:改进scada数据,建立bp神经网络,将改进后的scada数据输入bp神经网路进行信号的向前传播训练和误差的反向传播训练;步骤s3:将改造后的待辨识线路两端量测scada数据作为输入数据,输入训练好的bp神经网络获取预测值;步骤s4:采用中位数抗差去除预测值中异常数据和噪声,作为最终的辨识结果。2.根据权利要求1所述的一种基于bp神经网路和改进scada数据的线路参数辨识方法,其特征是,所述步骤s1中所述的建立包含不同运行条件下不同线路仿真数据训练集:包括先通过改变m端数据以及线路参数,通过潮流计算获取n端测量数据,从而组成训练集。3.根据权利要求2所述的一种基于bp神经网路和改进scada数据的线路参数辨识方法,其特征是,所述改进scada数据包括如下步骤:步骤s2.1:建立线路的π型等值模型;步骤s2.2:根据线路等值模型计算线路的有功损耗和无功损耗;步骤s2.3:将线路灯珠模型转换为电阻r、电抗x、电纳b的表达式后加入到scada训练集中,形成改造后的scada数据。4.根据权利要求3所述的一种基于bp神经网络和改进scada数据的线路参数辨识方法,其特征是,步骤s2.2所述的计算线路的有功功率和无功损耗包括如下步骤:步骤s2.2.1:根据功率平衡可知:s
m
s
n
=i

m
(r jx)i

m*

ju
m2
b/2

ju
n2
b/2s

m
=p

m
jq

m
=p
m
jq
m
ju
m2
b/2其中,s
m
为线路m端的视在功率,s
n
为线路n端的视在功率,s

m
为无阻抗干扰的m端视在功率,p

m
为无阻抗干扰的m端有功功率,q

m
为无阻抗干扰的m端无功功率;步骤s2.2.2:根据pmu的正方向计算有功损耗p和无功损耗q,可得:q,可得:q,可得:q,可得:5.根据权利要求4所述的一种基于bp神经网络和改进scada数据的线路参数辨识方法,其特征是,步骤s2.3包括如下步骤:s2.3.1:根据无功损耗和有功损耗转化得出电阻r、电抗x、电纳b的表达式:
s2.3.2:将线路等值模型的电阻r,电抗x,电纳b加入训练集中,得出改进后的scada数据为:6.根据权利要求1或5所述的一种基于bp神经网络和改进scada数据的线路参数辨识方法,其特征是,所述步骤s4还包括如下步骤:对辨识过程神经网络的输入、输出数据进行归一化:其中,xi代表神经网络输入或者输出数据,x
min
为神经网络输入或输出数据的最小值,x
max
为输入和输出数据的最大值,x

i
为归一化后的数据。7.根据权利要求6所述的一种基于bp神经网络和改进scada数据的线路参数辨识方法,其特征是,步骤s4还包括将辨识结果进行反归一化:x
i
=x

i
(x
max

x
min
) x
min
。8.根据权利要求7所述的一种基于bp神经网络和改进scada数据的线路参数辨识方法,其特征是,步骤s2中建立bp神经网络包括建立输入层、隐含层和输出层。9.根据权利要求8所述的一种基于bp神经网络和改进scada数据的线路参数辨识方法,其特征是,步骤s2中所述的将改进后的scada数据输入bp神经网路进行信号的向前传播训练和误差的反向传播训练,所述信号的向前传播为信号从输入层输入经过隐含层后从输出层输出,所述误差的反向传播为输出层开始逐层计算各层神经元的输出误差,然后根据误差梯度下降法来调节各层的权值和阈值,使修改后的网络的最终输出能接近期望值。10.根据权利要求9所述的一种基于bp神经网络和改进scada数据的线路参数辨识方法,其特征是,所述中位数抗差去除预测值中异常数据和噪声包括将样本数据按从小到大排列,如果样本数据量为奇数,则中位数为排序后最中间的值,若样本数据量为偶数,则中位数为排序后的最中间两位数的均值。

技术总结
本发明公开了一种基于BP神经网络和改进SCADA数据的线路参数辨识方法,其特征是,包括如下步骤:步骤S1:建立包含不同运行条件下不同线路SCADA数据训练集;步骤S2:改进SCADA数据,建立BP神经网络,将改进后的SCADA数据输入BP神经网路进行信号的向前传播训练和误差的反向传播训练;步骤S3:将改造后的待辨识线路两端量测SCADA数据作为输入数据,输入训练好的BP神经网络获取预测值;步骤S4:采用中位数抗差去除预测值中异常数据和噪声,作为最终的辨识结果。将BP神经网络与改进SCADA数据相结合,应用在参数辨识在线测量方法中以提高辨识方法的抗差能力;改进SCADA数据能提高BP神经网络的模型学习效果和辨识精度。采取中位数抗差有效降低大部分量测量中的粗差对辨识结果的影响。的影响。的影响。


技术研发人员:曹建伟 薛安成 刘俊 唐明 金学奇 杨力强 耿建 孔贺 许琰
受保护的技术使用者:国网浙江省电力有限公司湖州供电公司
技术研发日:2021.07.13
技术公布日:2021/10/23
再多了解一些

本文用于企业家、创业者技术爱好者查询,结果仅供参考。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

相关文献

  • 日榜
  • 周榜
  • 月榜