一种电力绝缘子表面积污物的等值盐密预测及预警系统的制作方法

本发明涉及绝缘子表面污秽预警技术领域，具体为一种电力绝缘子表面积污物的等值盐密预测及预警系统。

背景技术：

正常工作电压下的绝缘子，由于表面污秽物的堆积，在阴雨、大雾等恶劣天气的作用下容易发生污秽闪络事故，而污秽闪络事故又会对电力系统的安全稳定运行构成严重威胁。因此，对输电线路上绝缘子的污秽度进行预测非常有必要，以便及时预防污闪事故的发生。通常，人们使用等值附盐密度(Equivalent Salt Deposit Density,ESDD)，简称等值盐密来评估绝缘子表面污秽程度。

近年来，神经网络因为其具有大规模并行处理能力、强容错性、自组织和自适应能力强以及联想功能强等特点，已成为解决问题的有力工具，被广泛的应用于许多科学领域。但是，由于其还存在收敛速度慢，容易陷入局部最小点等缺陷，使得普通神经网络的预测精度不高。因此，提出各种算法来对普通神经网络进行优化处理。

反向传播(Back Propagation,BP)神经网络只要有足够多的隐含层和隐节点，就可以以任意精度逼近非线性映射关系，具有较好的学习能力。遗传算法(Genetic Algorithm,GA)是一种并行随机搜索最优化方法，具有全局搜索能力。将遗传算法和BP神经网络结合可以利用遗传算法从复杂的、非线性及不可微分的函数中全局搜索出较好的解空间的功能，同时利用BP神经网络的非线性逼近能力在这些小的解空间中搜索出最优解的功能。该方法可以有效的解决遗传算法局部寻优能力不足和对搜索空间变化适应能力差的缺点，同时提高BP神经网络的收敛速度。

技术实现要素：

本发明的目的在于提出一种对运行线路上绝缘子可能因污秽物积累过多而发生污秽闪络事故的预测方法及预警系统，其适用条件广泛，可以运用在任意型号的绝缘子上，不受到因绝缘子类型不同而其积污特性不同的影响，本预测方法和预警系统能够实现对绝缘子ESDD预测，并发出污闪预警信号的功能。

一种电力绝缘子表面积污物的等值盐密预测及预警系统，包括包括遗传算法训练单元，BP神经网络训练单元，遗传BP神经网络预测单元，预警单元这四个功能单元。

遗传算法擅长全局搜索，BP神经网络擅长局部搜索，因此将遗传算法和BP算法相结合既可提高预测的准确度，提高算法的收敛速度。遗传算法首先对神经网络初始权值进行优化，定位搜索空间，再采用BP算法在小空间内搜索最优值。

遗传BP神经网络预测单元将前一次到预测期间的每日风速、降水量、相对湿度、AQI的求和数据和前一次绝缘子ESDD数据投入遗传BP神经网络预测单元。在遗传BP神经网络预测单元中，记BP神经网络训练单元得到的输入层到隐含层的权值为W_ij，隐含层神经元的阈值为θ_j，隐含层到输出层的连接权值为V_ij，输出层的阈值为

则隐含层各神经元的输入为

神经网络的传递函数采用Sigmoid函数f(x)＝1/(1+e^-x)，则隐含层的输出为

因此得到输出层神经元的输入和输出为

预警单元设置A、B、C、D，4个预警等级。其中当绝缘子ESDD数值达到可能发生污闪时绝缘子ESDD数值的95％时，即95％ρ_F，单元发出A级预警；当绝缘子ESDD数值达到可能发生污闪时绝缘子ESDD数值的90％时，即90％ρ_F，单元发出B级预警；当绝缘子ESDD数值达到可能发生污闪时绝缘子ESDD数值的85％时，即85％ρ_F，单元发出C级预警；当绝缘子ESDD数值达到可能发生污闪时绝缘子ESDD数值的80％时，即80％ρ_F，单元发出D级预警。

BP神经网络是一种多层前馈神经网络。3层BP网络的拓扑结构，包括输入层、隐含层和输出层，各神经元与下一层所有的神经元连接，同层神经元之间无连接。隐含层的设置根据Kolmogorov定理可知，若输出层有n个节点数，则隐含层的节点数为2n+1。

一种电力绝缘子表面积污物的等值盐密预测方法，包括以下步骤：

1)将样本数据投入遗传算法功能单元，样本数据以前一次到预测期间的每日风速、降水量、相对湿度、AQI的求和数据和前一次ESDD数值共五个参量作为输入量，当次的ESDD预测数据作为输出量，经过初始化种群、计算适应度函数、选择操作、交叉操作和变异操作的过程获得优化的权值和阈值；

2)将从遗传算法训练单元处理得到的优化的权值和阈值投入BP神经网络功能单元，作为初始权值和阈值，在BP神经网络功能单元中，同样以前一次到预测期间的每日风速、降水量、相对湿度、AQI的求和数据和前一次ESDD数值共五个参量作为输入量，当次ESDD预测数据作为输出量，经过隐含层和输出层的误差计算，通过训练样本训练不断调整权值和阈值，得到模型的最佳权值和阈值；

3)根据BP神经网络功能单元经过样本训练得到的最佳权值和阈值，建立绝缘子ESDD预测模型，将前一次到预测期间的每日风速、降水量、相对湿度、AQI的求和数据和前一次ESDD数值投入预测模型，输出预测绝缘子ESDD数值；

4)将预测的绝缘子ESDD数值投入预警判据单元，若ESDD数值达到发生污秽闪络事故的阈值则发出报警信息，污闪闪络预警的阈值设置根据不同污秽等级地区、不同电压等级和不同绝缘子配置等情况而决定。

将遗传算法和BP神经网络相结合来建立绝缘子ESDD的预测模型。

将遗传算法输出的优化后权值和阈值作为BP神经网络的初始权值和阈值，用训练样本对BP神经网络训练，从而建立绝缘子ESDD的预测模型。通过遗传算法的优化，提高BP神经网络的收敛速度，减小BP算法易陷入局部最优解的可能性，从而实现全局搜索能力。

在收集到一定周期内绝缘子ESDD、风速、降水量、相对湿度和空气质量指数(Air Quality Index,AQI)数据的基础上，建立一个绝缘子ESDD的BP神经网络预测模型。其中，输入层设置5个节点分别为前一次到预测期间的每日风速、降水量、相对湿度、AQI的求和数据和前一次ESDD数值，输出层设置1个节点为绝缘子ESDD预测值，隐含层节点数的设置依据Kolmogorov定理，为11个节点。该BP神经网络的初始权值和阈值由遗传算法计算得到。

综上所述，使用本发明提出的绝缘子污秽度的预测和预警系统，可以针对不同类型的绝缘子污秽度进行有效预测。在得到绝缘子ESDD和气象数据等的基础上，本发明通过建立基于遗传算法优化BP神经网络对绝缘子的预测和预警模型，可以有效的预测绝缘子ESDD的积累情况，及时发出预警信息来安排绝缘子清扫作业来可靠的减少污秽闪络事故发生的机会。

附图说明

下面结合附图对本发明作进一步描述：

图1为绝缘子ESDD的预测及预警系统流程图；

图2为遗传算法单元流程图；

图3为BP神经网络结构图；

图4为BP神经网络单元流程图。

具体实施方式

下面结合附图1～4和实施例对本发明方法做进一步清楚、完整地描述，但本发明的实施方式不局限于此。

本发明提出一种基于遗传算法优化的BP神经网络对绝缘子积污等值盐密ESDD的预测及预警系统，图1为该系统工作流程图，共包含遗传算法训练单元，BP神经网络训练单元，遗传BP神经网络预测单元，预警单元这四个功能单元。

在收集绝缘子ESDD历史数据时，需要注意以下几点要求：

(1)考虑到每日收集在运行输电线路上绝缘子ESDD数据是不现实的，因此本发明在收集绝缘子ESDD数据时利用光传感器输变电盐密在线监测设备或其它在线监测装置提供的数据。

(2)在收集每日气象数据时，必须是试验绝缘子周围的气象数据，不适宜使用距离试验绝缘子较远的地方所收集到的气象数据。

下面将对本发明的各单元展开具体阐述：

遗传算法训练单元

如图2所示，遗传算法擅长全局搜索，BP神经网络擅长局部搜索，因此将遗传算法和BP算法相结合既可提高预测的准确度，也可以提高算法的收敛速度。遗传算法首先对神经网络初始权值进行优化，定位出较好的搜索空间，再采用BP算法在小空间内搜索最优值。

遗传算法的具体步骤为

1)初始化种群

随机产生一种群X_m×n，每个个体X_1×n代表一个神经网络的初始权值分布，每个基因值为一个连接权值，则个体的长度为神经网络权值的个数，即

n＝r×s₁+s₁×s₂+s₁+s₂

其中，n为个体的长度，r为输入层节点数，s₁为隐含层节点数，s₂为输出层节点数

2)适应度函数

依据适应度函数值对个体进行评价，对每一个体解码得到BP神经网络输入样本，计算输出误差值E，得到适应度函数f。

计算各个体的适应值，种群个体适应度最大者进入子种群。

3)选择算子

采用轮盘赌法选择算子。设第i个个体的适应值f_i，则被选中的概率为

其中，m为种群规模。

4)交叉算子

交叉算子选择算术交叉，由两个个体的线性组合出两个新的个体。假设在两个个体X_i(k)、X_i+1(k)之间以交叉概率p_c进行交叉操作，则交叉后产生的两个新个体为

其中，X_i(k)、X_i+1(k)分别表示第i和第i+1个个体在第k位的基因，α和β为0和1之间的随机数。

5)变异算子

选择均匀变异算子，对每一个基因值，以变异率p_m对应的基因值域取一随机数进行替换。

X_i＝X_i(p)+r×q+X_i(n-p-1)

其中，q为第p+1个基因值对应的阈值宽度。

6)计算适应度函数

计算适应度函数值，判断是否达到最大迭代次数或满足精度要求，否则返回步骤2)。

一.BP神经网络训练单元

BP神经网络是一种多层前馈神经网络。3层BP网络的拓扑结构如图3所示，包括输入层、隐含层和输出层，各神经元与下一层所有的神经元连接，同层神经元之间无连接。隐含层的设置根据Kolmogorov定理可知，若输出层有n个节点数，则隐含层的节点数为2n+1。

本发明中BP神经网络的基本原理是采用梯度下降法调整权值和阈值使得网络的实际输出值和期望输出值的均方误差值减小。标准BP算法在修正权值时没有考虑以前时刻的梯度方向，从而使学习过程常常发生振荡，收敛缓慢。因此本发明采用一种改进的BP学习算法，通过引入动量项来减小学习过程的振荡趋势，改善收敛性。

BP神经网络的训练过程如图4所示，具体步骤如下：

1)网络初始化。确定网络输入层节点数n、隐含层节点数l，输出层节点数m，输入层与隐含层、隐含层与输出层神经元之间的连接权值为w_ij，v_jk，隐含层阈值a＝[a₁,a₂,,a_l]，输出层阈值b＝[b₁,b₂,,b_m]

2)隐含层输出h_j

其中，f为隐含层激励函数，x_i为第i个输入节点变量。

3)输出层输出o_k

4)权值更新

w_ij(t+1)＝w_ij(t)+η[(1-β)D(t)+βD(t-1)]

v_ij(t+1)＝v_ij(t)+η[(1-β)D'(t)+βD'(t-1)]

其中，η为学习速率，η＞0，β为动量因子，0≤β＜1。

5)阈值更新。

根据网络输出o_k和期望输出y_k之间的误差更新a_j，b_k

b_k(t+1)＝b_k(t)+(y_k-o_k)

6)判断算法是否迭代结束，若没有结束，则返回步骤2)。

二.遗传BP神经网络预测单元

如图1所示，将前一次到预测期间的每日风速、降水量、相对湿度、AQI的求和数据和前一次绝缘子ESDD数据投入遗传BP神经网络预测单元。在遗传BP神经网络预测单元中，记BP神经网络训练单元得到的输入层到隐含层的权值为W_ij，隐含层神经元的阈值为θ_j，隐含层到输出层的连接权值为V_ij，输出层的阈值为

则隐含层各神经元的输入为

神经网络的传递函数采用Sigmoid函数f(x)＝1/(1+e^-x)，则隐含层的输出为

因此得到输出层神经元的输入和输出为

三.预警单元

预警单元设置A、B、C、D，4个预警等级。其中当绝缘子ESDD数值达到可能发生污闪时绝缘子ESDD数值的95％时，即95％ρ_F，单元发出A级预警；当绝缘子ESDD数值达到可能发生污闪时绝缘子ESDD数值的90％时，即90％ρ_F，单元发出B级预警；当绝缘子ESDD数值达到可能发生污闪时绝缘子ESDD数值的85％时，即85％ρ_F，单元发出C级预警；当绝缘子ESDD数值达到可能发生污闪时绝缘子ESDD数值的80％时，即80％ρ_F，单元发出D级预警。

将由遗传BP神经网络预测单元经计算得到的绝缘子ESDD预测数据投入预警判据模块，预警判据模块将绝缘子ESDD预测数值与发生污闪时绝缘子ESDD数值对比，来发出预警信息以供运行人员处理，从而及时有效的防止输电线路发生污秽闪络事故的概率。