[发明专利]一种基于神经网络的状态估计方法及系统

权利要求书

1.一种基于神经网络的状态估计方法，其特征在于，包括：

当接收到对目标电网的状态估计请求时，获取所述目标电网的量测数据；

将所述量测数据依据区域进行划分，得到多个区域量测数据；

在预设的权重集中查找与当前区域匹配的目标权重集，将所述目标权重集中的每一个权重分配给所述神经网络对应的神经元；其中，所述预设权重集的为针对每一个区域，依据为所述神经网络的各个神经元分配初始权重并训练完成后所得到的权重集；式中，k₁、k₂、k₃用于表示量测值与估计值关系的紧密程度；k₁表示量测值即为估计的状态值，k₂表示量测值包含于估计值的集合A中，k₃表示量测值包含于估计值的集合B中，集合A为量测节点的相邻量测集合，集合B为量测节点的不相邻量测集合；probability(a,b)表示取a、b之间的随机值；为量测误差方阵逆矩阵R^-1的对角元元素；

当检测到分配完成指令时，针对每一个区域量测数据，将所述量测数据分配给预设的神经网络进行前推计算；在进行前推计算时，输入数据存放在输入层神经元中，通过神经元激活函数依次前向激活各个神经元，所述预设的神经网络在前推计算结束时输出对应区域的状态向量；其中，各个神经元的输出为：式中，f()为神经元的激活函数，W_i为第i个输入支路对应的权重值；X_i为第i个输入支路对应的输入值，N表示所述神经元的输入支路的个数；b为截距；

当检测到对所述多个区域量测数据进行前推计算的完成指令时，输出与所述目标电网关联的状态向量；

其中，所述预设的神经网络的构建过程包括：

获取每一个区域量测数据的数量和电网状态量的数量；

依据所述量测数据的数量，确定神经网络输入层和神经网络中间层神经元的数量；

依据所述电网状态量的数量，确定神经网络输出层神经元的数量，完成所述神经网络的构建。

2.根据权利要求1所述的方法，其特征在于，所述针对每一个区域量测数据，将所述量测数据分配给预设的神经网络进行前推计算包括：

将所述量测数据进行归一化处理，得到归一化数据；

将所述归一化数据发送给预设的神经网络进行前推计算。

3.根据权利要求1所述的方法，其特征在于，预设的权重集的建立过程包括：

针对每一个区域，为所述神经网络的各个神经元分配初始权重；

分别建立第一训练集和第二训练集；

依据所述第一训练集对所述神经网络进行训练，当第一训练结果小于预设的第一阈值时，依据所述第二训练集对所述神经网络进行训练，当第二训练结果小于第二预设值时，获取所述神经网络的各个神经元当前的权重值，将所述当前的权重值存储到所述预设的权重集中。

4.根据权利要求3所述的方法，其特征在于，还包括：

当所述第一训练结果大于第一阈值或所述第二训练结果大于第二阈值时，依据预设的权重调整公式调整所述各个神经元的当前权重值，重新进行训练。