[发明专利]基于BP神经网络和模糊逻辑的绝缘子污秽度预测方法

权利要求书

1.一种基于BP神经网络和模糊逻辑的绝缘子污秽度预测方法，其特征在于，包括以下步骤：

步骤1：绝缘子污秽度BP神经网络模型建立；

步骤2：绝缘子污秽度BP神经网络模型输入量确定并进行归一化处理；

步骤3：建立模糊逻辑，并建立因素对线路污秽度的影响函数；

步骤4：误差校正；

步骤5：绝缘子污秽等级预测。

2.根据权利要求1所述的基于BP神经网络和模糊逻辑的绝缘子污秽度预测方法，其特征在于：

步骤1所述绝缘子污秽度BP神经网络模型包括：输入层、隐含层和输出层，输出层输出结果表示绝缘子的污秽等级；

神经元输出为绝缘子的污秽等级o_qi，对于q个样本的误差e_q计算公式为：

eq=(tqi-oqi)22]]>

其中，t_qi为期望的污秽等级，o_qi为神经网络的输出；

设x₁,x₂,…x_n为神经元的输入，w₁,w₂,…w_n为对应输入的权值，θ为输入层与隐含层神经元的输出阈值，对于隐含层节点θ_j：

ui=Σj=1nwijxj-θj(i=1,2,.....m)]]>

v_i＝F(u_i) (i＝1,2,…..m)

其中，x_j为输入的输电线路的气象参数,u_i为输入层节点输出，v_i为隐含层节点输出，F()为Sigmoid型函数；

BP神经网络的输出为：

o_qi＝F(v_it_ij) (i＝1,2,…..m)

其中，F()表示输出函数，w_ij网络输入层与隐含层的权值，t_ij为隐含层神经元i与输出层神经元j的连接权，i表示隐含层神经元序列，j表示输出层神经元输出序列，m＝n＝12。

3.根据权利要求2所述的基于BP神经网络和模糊逻辑的绝缘子污秽度预测方法，其特征在于：所述输入层包括4个神经元；隐含层的节点为12个，隐含层的节点数在训练过程中根据训练精度进行调整；输出层包含1个神经元。