[发明专利]基于小波分解和神经网络的架空配电系统中动物故障分析方法

说明书

一种基于小波分解和神经网络的架空配电系统中动物故障分析方法，包括确认动物引起的中断的特征，包括动物的生命周期、天气晴朗情况；利用离散小波变换将每周动物引起的中断的时间序列分解为两个分量，并为每个分解的系数序列构建单独的神经网络；根据小波重构技术将神经网络的输出进行组合，以获得每周因动物造成的中断的估计结果。

技术领域

本发明涉及一种基于小波分解和神经网络的架空配电系统中动物故障分析方法，属于配电系统领域。

背景技术

配电系统的可靠性很大程度上受不同环境因素导致，由于动物在架空配电系统上造成大量停电，因此调查这些停电非常重要。目标是使用前几年的历史数据来估算特定年份中动物引起的停运。尽管动物会造成严重的故障，但研究很少，现有技术中有基于神经网络的方法，从一系列由不同因素引起的疾病中识别出动物引起的疾病，但是他们的方法并没有解决我们目标特有的问题。

发明内容

为了克服上述现有技术的不足，本发明提出一种基于小波分解和神经网络的架空配电系统中动物故障分析方法。利用离散小波变换将每周动物引起的中断的时间序列分解为两个分量，并为每个分解的系数序列构建单独的神经网络。根据小波重构技术将神经网络的输出进行组合，以获得每周因动物造成的中断的估计结果。

本发明的技术解决方案如下：

一种基于小波分解和神经网络的架空配电系统中动物故障分析方法，包括如下步骤：

步骤1)确认动物引起的中断的特征，包括动物的生命周期、天气晴朗情况；

对公用事业公司的中断数据的检查表明，与动物有关的中断是随机发生的，由于动物的生命周期，在某些月份中断的可能性增加，而由于动物活动的增加，在晴朗的天气条件下中断的可能性也增加了。由于中断的随机性，在较短的持续时间内(例如特定的小时或一天)或特定的架空线，准确地预测与动物相关的中断次数是不切实际的。需要数据的空间或时间聚合才能获得有意义的模式。持续时间非常短或区域很小，将产生较大的统计范围，从而导致结果置信度较低。在非常长的持续时间内进行聚合可能会导致数据信息丢失。同样，由于天气的空间变化，非常大的领土上的空间聚集可能会引入误差。几乎所有动物引起的停运都发生在天气晴朗的时候[，这是温度在40到85度之间且没有其他与天气有关的活动的日子。每周的晴天天数被用作模型的另一个输入。

步骤2)利用离散小波变换将每周动物引起的中断的时间序列分解为两个分量，并为每个分解的系数序列构建单独的神经网络

公式如下：

ψ_j，k＝2^-j/2ψ(2^-jt k)j，k∈Z (6)

其中，归一化因子使基础和母函数具有相同的能量。

步骤3)分解公式如下：

步骤4)建议小波系数神经网络，包括低频信息和高频信息；

步骤5)采用基于人工免疫系统的混合方法

在预测阶段的每个时间步骤中，根据库中的神经网络的亲和力对它们进行排序。然后根据网络的排名获得每个网络的许多克隆。具有最高亲和力的神经网络产生四个克隆，而排名第二，第三和第四的神经网络则分别产生三个克隆。第五网络产生两个克隆，其余的克隆每个只有一次。每个克隆的权重与原始网络相同。

然后对克隆进行超突变。在此步骤中，通过添加较小的随机扰动来更改权重。如果任何克隆的权重集都表示为矩阵，然后将超变实现为

W＝W+δ·U(-1，1) (10)

在上式中，该数量是与超变相关的常数，并且是与间隔[1、1]中均匀分布的随机数相同的尺寸的矩阵。为了进一步改善克隆，使用常规梯度下降算法训练权重，如下