[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在审
| 申请号: | 201710888308.8 | 申请日: | 2017-09-27 |
| 公开(公告)号: | CN107818199A | 公开(公告)日: | 2018-03-20 |
| 发明(设计)人: | 叶铁丰;郑明;陈小波;何顺勇;陈伟;陈雷;戴志博;龙翔;杨凡;潘锡杰 | 申请(专利权)人: | 国网浙江瑞安市供电有限责任公司;国网浙江省电力公司温州供电公司;国网浙江省电力公司;国家电网公司 |
| 主分类号: | G06F17/50 | 分类号: | G06F17/50;G06N3/00;G06N3/08 |
| 代理公司: | 杭州华鼎知识产权代理事务所(普通合伙)33217 | 代理人: | 项军 |
| 地址: | 325200 浙江*** | 国省代码: | 浙江;33 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 自适应 神经网络 山区 10 kv 线路 接地 电阻 设计 方法 | ||
技术领域
本发明涉及电力系统领域的接地技术,特别涉及一种基于自适应神经网络的山区10kV线路接地电阻设计方法。
背景技术
电力系统接地技术是保障电力系统及其电气设备安全可靠运行和人员安全的关键技术之一。目前,绝大多数测量土壤电阻率的仪表不能同时测量不同深度层次的土壤电阻率,更不能长期不间断地监测多点的土壤电阻率值,因此工程设计人员难以通过仪表直接测量的方式获得复杂地质环境真实的土壤电阻率值。目前,业界主要是基于电力系统接地相关的国网规程,结合计算机辅助设计技术对接地系统的接地参数进行数值计算,主流的方法包括有限元法、复合镜像法、CDEGS(Current Distribution,Electromagnetic Fields,Grounding and Soil Structure Analysis)软件分析法,但由于电流场分布在无限大复杂的土壤空间中,针对复杂地质环境下的接地电阻优化设计具有极大的挑战性。
神经网络具有较强的非线性映射能力、泛化能力以及较好的容错性等优点,因此在模式识别、系统辨识、图像处理、优化计算、最优控制等领域得到了广泛的应用,但在接地电阻优化设计中还鲜有应用。另一方面,神经网络中待优化整定的参数较多,大量连接权重参数的设计目前主要依赖设计人员的设计经验和多次试验,因而如何设计一个面向具体工程项目的自适应神经网络已成为国内外学术界和工程应用领域亟待解决的难题之一。
发明内容
本发明的目的在于针对现有技术的不足,提供基于自适应神经网络的山区10kV线路接地电阻设计方法。
为了解决上述技术问题,本发明是通过以下技术方案实现的:基于自适应神经网络的山区10kV线路接地电阻设计方法,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tu、上层土壤电阻率ρu、中层土壤厚度tm、中层土壤电阻率ρm和下层土壤电阻率ρl,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nI,输出层节点数nO,隐含层节点数表示将(nI+nO)0.5向上取整数,种群规模M,最大迭代次数Imax,交叉概率pc,变异概率pm;
C、随机生成实数编码的初始化种群P0={Sh,h=1,2,...,M},其中Sh=(wij(1),wjl(1)),i=1,2,...,nI,j=1,2,...,nH,l=1,2,...,nO,wij(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,wjl(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(Sh),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Sbest,将最小的适应度值标记为当前最好目标函数值Fbest;
F、按照公式(8)所示的累积概率从P0选择产生新的群体P;
其中,p(Sh)表示个体Sh的累积概率;
G、按照交叉概率pc从P随机选择出两个个体Si和Si+1,按照公式(9)交叉产生新的两个个体Sni和Sn(i+1),Sni和Sn(i+1)分别替换原来的Si和Si+1,P中其它个体保持不变,将此时的新种群标记为Pc={Sch,h=1,2,...,M},其中Sch表示Pc中第h个个体;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网浙江瑞安市供电有限责任公司;国网浙江省电力公司温州供电公司;国网浙江省电力公司;国家电网公司,未经国网浙江瑞安市供电有限责任公司;国网浙江省电力公司温州供电公司;国网浙江省电力公司;国家电网公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710888308.8/2.html,转载请声明来源钻瓜专利网。





