[发明专利]基于自适应神经网络的山区10kV线路接地电阻设计方法

权利要求书

1.基于自适应神经网络的山区10kV线路接地电阻设计方法，其特征在于：该方法包括以下步骤：

A、针对待设计10kV架空线路所处的地质环境，采用土壤电阻率表测量获得该区域不同位置的样本数据，包括上层土壤厚度t_u、上层土壤电阻率ρ_u、中层土壤厚度t_m、中层土壤电阻率ρ_m和下层土壤电阻率ρ_l，其中N为样本的最大维数；

B、设置自适应神经网络参数数值，包括输入层节点数n_I，输出层节点数n_O，隐含层节点数表示将(n_I+n_O)^0.5向上取整数，种群规模M，最大迭代次数I_max，交叉概率p_c，变异概率p_m；

C、随机生成实数编码的初始化种群P₀＝{S_h,h＝1,2,...,M}，其中S_h＝(w_ij(1),w_jl(1))，i＝1,2,...,n_I，j＝1,2,...,n_H，l＝1,2,...,n_O，w_ij(1)表示第1次采样时刻输入节点i与隐含层节点j之间的连接权重，w_jl(1)表示第1次采样时刻隐含层节点j与输出层节点l之间的连接权重；

D、评估中P₀每个个体的适应度；

E、将{F(S_h),h＝1,2,..,M}按照升幂排序，将适应度值最小的个体标记为当前最好个体S_best，将最小的适应度值标记为当前最好目标函数值F_best；

F、按照公式(8)所示的累积概率从P₀选择产生新的群体P；

p(Sh)=Σj=1hF(Sj)Σi=1MF(Si),h=1,2,...,M---(8)]]>

其中，p(S_h)表示个体S_h的累积概率；

G、按照交叉概率p_c从P随机选择出两个个体S_i和S_i+1，按照公式(9)交叉产生新的两个个体S_ni和S_n(i+1)，S_ni和S_n(i+1)分别替换原来的S_i和S_i+1，P中其它个体保持不变，将此时的新种群标记为P_c＝{S_ch,h＝1,2,...,M}，其中S_ch表示P_c中第h个个体；

Sni=αSi+1+(1-α)SiSn(i+1)=αSi+(1-α)Si+1---(9)]]>

其中α表示0到1之间产生的随机数；

H、按照变异概率p_m从P_c中选择个体S_ch，按照公式(10)对S_ci进行随机变异，产生新的个体S_Nh，并将S_Nh代替S_ch，保持P_c中其它个体不变，从而产生新的种群P_N；

S_Nh＝S_ch+(r-0.5)×max{2(S_ch-L),2(U-S_ch)} (10)

其中L和U分别表示S_ch的下限和上限，r表示0到1之间产生的随机数；

I、无条件地接受P₀＝P_N；

J、重复步骤D至步骤I直到满足最大优化迭代次数I_max；

K、输出当前最好目标函数值F_best和最好个体S_best，并输出对应的等效土壤电阻率的预测值ρ＝y_Ol(T_max)；

L、按照公式(11)计算10kV架空线路杆塔接地电阻R；

R=ρ2πL(lnL2hd+At)---(11)]]>

其中，ρ为步骤(11)中获得的土壤电阻率，L为10kV架空线路钢筋混凝土杆塔接地极的总长度，h为接地极的埋设深度，d为接地极的直径，A_t为接地级的形状系数。

2.如权利要求1所述的基于自适应神经网络的山区10kV线路接地电阻设计方法，其特征在于：所述步骤D按照如下步骤评估P₀中每个个体的适应度：

D1、令k＝1；

D2、将t_u、ρ_u、t_m、ρ_m和ρ_l作为自适应神经网络的输入信号，将第k次采样时刻的输入信号X_I(k)定义为X_I(k)＝{x_i(k),i＝1,2,...,n_I},其中n_I为神经网络输入层节点数，在此n_I＝5,x₁(k)＝t_u,x₂(k)＝ρ_u,x₃(k)＝t_m,x₄(k)＝ρ_m,x₅(k)＝ρ_l；

D3、计算第k次采样时刻的神经网络隐含层输入信号X_HI(k)＝{x_HIj(k),j＝1,2,...,n_H}，其中x_HIj(k)计算如公式(1)所示：

xHIj(k)=Σi=1nIwij(k)xi(k),j=1,2,...,nH---(1)]]>

其中，w_ij(k)表示第k次采样时刻输入节点i与隐含层节点j之间的连接权重；D4、计算第k次采样时刻的神经网络隐含层输出信号X_HO(k)＝{x_HOj(k),j＝1,2,...,n_H}，其中x_HjO(k)计算如公式(2)所示：

xHOj(k)=11+e-xHIj(k),j=1,2,...,nH---(2)]]>

D5、计算第k次采样时刻的神经网络输出层信号Y_O(k)＝{y_Ol(k),l＝1,2,...,n_O}，其中n_O表示输出层节点数量，y_Ol(k)计算如公式(3)所示：

yOl(k)=Σj=1nHwjlxHOj(k),l=1,2,...,nO---(3)]]>

其中，w_jl(k)表示第k次采样时刻隐含层节点j与输出层节点l之间的连接权重；

D6、按照公式(4)评估第k次采样时刻的神经网络的误差性能指标J(k)；

其中，y_Olr(k)表示第k次采样时刻等效土壤电阻率的期望值；

D7、按照公式(5)更新第k+1次采样时刻的权重系数w_ij(k+1)；

wij(k+1)=wij(k)-ηΣl=1nO{(yOlr(k)-yOl(k))wjl(k)xHOj(k)(1-xHOj(k))xi(k)}+β(wij(k)-wij(k-1))---(5)]]>

其中，η表示学习速率，β表示动量因子；

D8、按照公式(6)更新第k+1次采样时刻的权重系数w_jl(k+1)，并令k＝k+1；

w_jl(k+1)＝w_jl(k)+η(y_Olr(k)-y_Ol(k))x_HOj(k)+β(w_ij(k)-w_ij(k-1))(6)

D9、重复步骤D2至步骤D8直到满足k＝T_max，其中T_max表示最大的采样次数；

D10、按照公式(7)计算个体S_h的适应度F(S_h)；

F(Sh)=Σk=1TmaxJ(k),h=1,2,...,M---(7).]]>