[发明专利]一种基于权限学习机模型的智能变电站故障录波判据启动方法

说明书

技术领域

本发明涉及一种基于权限学习机模型的智能变电站故障录波判据启动方法，属于电力系统自动化技术领域。

背景技术

故障录波判据启动算法的产生是为了在电力系统出现故障时能够及时准确地对异常情况进行记录。随着电力系统的发展，电网结构的复杂化，出现在故障录波中的问题越来越多，传统故障录波判据的启动主要依赖于电气量的特性分析和傅里叶计算而得出判据，这种算法比较麻烦，并且现场设置复杂易出错，大部分算法的通用性都很差，为了解决这一问题，有必要设计一个适应性很强的算法。

本发明的有益效果在于：

极限学习机是在单隐层前馈神经网络基础上的新型算法，该算法训练速度快，容易获得全局最优解，适用于非线性问题求解，用于模式识别和分类有很大的优越性。

发明内容

为了解决上述技术问题，本发明提供一种基于权限学习机模型的智能变电站故障录波判据启动方法。

本发明解决上述技术问题的技术方案是：利用权限学习机模型的学习速度快、泛化性能好、调节参数少等优点，在该模型的基础上设计故障录波判据启动方法，当录波数据输入到已经建立并且训练结束的权限学习机模型时，输出结果能够显示是否需要进行判据启动，从而方便快捷地完成故障录波判据启动。

本发明所采用的技术方案为：

一种基于权限学习机模型的智能变电站故障录波判据启动方法，包括以下步骤：

1、数据处理

通过WireShark抓包软件对网络报文进行抓包，并且对报文信息进行解析形成数据，为了减少数据差异太大影响问题的研究，所以统一对数据进行归一化处理。

2、选取训练、测试数据

为了使得建立的模型具有更好的普适性，选取20000组具有代表性的训练样本，另取2000组作为测试数据。

3、权限学习机模型的建立

采用elmtrain()函数进行模型创建和训练。

(1)通过随机函数选取输入层、隐含层的连接权值ω和阈值b；

(2)确定隐含层节点个数，根据正确率进行折中考虑，这里定为500个；

(3)选择一个无限可微的函数作为隐含层神经元的激活函数g(x)，这里选取正弦函数sinx作为g(x)；

(4)计算隐含层输出矩阵H；

(5)计算隐含层和输出层连接权值

(6)算法设计完成，判断正确率是否达到模型训练的要求(>95％)，如果未达到，需要重新选取新的值来进行训练，不断地调整直到符合要求。

4、权限学习机测试验证

采用elmpredict()函数来完成测试。

5、误差分析和性能评价

通过绝对误差、决定系数和正确率来完成模型评估，同时兼顾运行时间。

6、输出结果

选用3种特征参数：A、B、C三相电流，故障录波判据启动状态为正常状态、A相电流越限、B相电流越限和C相电流越限，本方法设定启动状态仅为2种：正常状态和电流越限状态(包含A相电流越限、B相电流越限和C相电流越限)。

输出结果以曲线的方式直观地表示出来，当输出结果为1时，表示电流在(-1,1)之间，此时代表正常状态，不发生录波启动，当输出结果为2时，表示电流在(-2,-1)或(1,2)之间，此时判据启动进行录波，当输出结果为3时表示电流在(-∞,-3)或(3,+∞)，此时表示电流越限情况比较严重，进行判据启动进行录波。

附图说明

图1为故障录波判据启动方法的流程图。

图2为单隐层前馈神经网络结构。

图3为测试集实际输出与期望输出的对比图。

图4为测试集绝对误差图。

图5为权限学习机分类效果图。

具体实施方式

如图1所示，本发明的故障录波判据启动方法包括以下步骤：

1、数据处理

通过WireShark抓包软件对网络报文进行抓包，并且对报文信息进行解析形成数据，为了减少数据差异太大影响问题的研究，所以统一对数据进行归一化处理。

2、选取训练、测试数据

为了使得建立的模型具有更好的普适性，选取20000组具有代表性的训练样本，另取2000组作为测试数据。

3、权限学习机模型的建立