[发明专利]基于鸡群优化BP神经网络的变压器油纸绝缘老化预测方法

权利要求书

1.一种基于鸡群优化BP神经网络的变压器油纸绝缘老化预测方法，其特征在于，包括如下步骤：

步骤S1：构建BP神经网络，设置网络参数，初始化所述BP神经网络的权值和阈值，计算所述BP神经网络的误差函数作为鸡群算法的适应度函数；

步骤S2：设置所述鸡群算法的鸡群参数，并根据所述BP神经网络的输入层、隐含层和输出层中的参数个数设置鸡群中每个个体的位置维度及公鸡、母鸡、小鸡在鸡群中的比例；其中，所述鸡群参数包括鸡群的大小、最大迭代次数和种群更新迭代数；

步骤S3：根据适应度值的排序分级，将前RN个个体作为公鸡，将最后CN个个体作为小鸡，其余个体作为母鸡，并将鸡群按公鸡数量分为RN个组，母鸡随机分配到各个组中并与公鸡确认伙伴关系，随机选取MN个母鸡，让母鸡随机统领小鸡并与小鸡确认母子关系；

步骤S4：开始迭代，判断是否需要重新排序，如果是，建立新的鸡群等级制度；如果否，则每个个体按照自己的搜索方式进行位置更新；

步骤S5：对每个个体的位置维度的约束条件进行判断，若位置维度的参数满足约束条件，进行步骤S6，否则回到步骤S2；

步骤S6：迭代次数加一，在迭代次数达到预先设定的最大次数时，停止迭代，输出权值和阈值，否则转到步骤S4；

步骤S7：采用步骤S6输出的权值和阈值对BP神经网络进行BP神经网络训练，并进行预测变压器油纸的聚合度；

步骤S1具体包括如下步骤：

将去极化曲线均匀采样n个特征点作为输入，曲线对应的聚合度作为输出，组成数据组；将数据随机重新排列后，选取部分数据作为训练集，其余作为测试集；BP神经网络由输入层、隐含层和输出层组成，层与层之间互连，每层节点之间不相连；

设BP神经网络的样本总数为P，输入层x为极化去极化电流采样点，含有n个神经元，隐含层为x'，含有n₁个神经元，输出层y为聚合度，含有m个神经元，如下式(1)所示：

从输入层到隐含层的权值和阈值分别为W_ij和θ_j，从隐含层到输出层的权值和阈值分别为W_jk和θ_k，隐含层和输出层的输出如式(2)所示：

输入层到输出层的网络实现了空间矢量从n维到m维的映射，f(x)为单极性Sigmoid函数，如式(3)所示：

在反向传播时，单个样本的神经网络期望输出d_k和实际输出y_k的误差平方和为目标函数：

神经网络的网络学习目标是通过调整权值W和阈值θ，使总误差E极小，权值的变化为误差函数的负梯度方向：

式(5)中，n₀为迭代次数，η为学习率。