[发明专利]一种基于动量BP神经网络的电力电缆状态评价方法

说明书

本发明涉及一种基于动量BP神经网络的电力电缆状态评价方法，包括：建立引入动量因子的动量BP神经网络；采集多组电力电缆状态指标数据训练神经网络，通过神经网络的输出值、目标值、权重变化量和动量因子逐步调节神经网络的权重，使输出值和目标值间的误差达到全局最小；训练完成后，向动量BP神经网络输入待评估电力电缆状态指标数据，判定电力电缆运行状态。动量BP神经网络具有快速收敛性和全局误差最小性，可精准快速地建立电力电缆状态指标数据与评价结论间的映射关系，全面准确地评估电力电缆运行状态，为电缆运行和状态检修提供科学依据。

技术领域

本发明涉及一种电力电缆状态评价方法，具体说是一种基于动量BP神经网络的电力电缆状态评价方法，属于电力设备诊断技术领域。

背景技术

随着城市建设对电网供电可靠性和美观性要求的提高，电缆获得越来越多的应用，线路的电缆化率成为衡量一座城市电网建设水平的重要标准。但电缆一般深埋地下，在长期运行过程中会由于外力、受潮、腐蚀、老化等原因造成不可逆转的损伤和缺陷，若不能及时准确地判定电缆运行状态，采取有效措施遏制状态恶化，则有可能引发潜在故障，对安全供电和优质电能造成威胁。

目前，国内电力电缆运行状态的评判主要依赖于绝缘电阻测试、离线局放测试以及带电检测等测试方法。这类方法都是通过获得某种特定数据来判定电缆是否存在缺陷、是否“健康”运行，作为评判依据的数据较为单一，往往只能评价电缆某一方面或局部是否存在缺陷，尚缺乏一种能将电缆各类试验数据和参数综合起来，全面分析电缆运行状态的方法。

近年来，计算机与人工智能的发展突飞猛进，神经网络以其优越的学习性能和自适应性能备受关注。这众多神经网络中，BP神经网络是目前应用最多的神经网络，它是一种基于误差逆传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。通过BP神经网络可以得到输入输出间的映射关系，而无需事前描述这种映射关系。在具备众多优点的同时，BP神经网络在学习过程中也存在易出现学习振荡，收敛速度缓慢，易陷入局部最小的缺点。为此，有学者提出了动量BP神经网络。相较传统BP神经网络，改进后的动量BP神经网络在权值计算上克服了传统BP神经网络只考虑误差梯度作用的不足，引入了误差曲面变化趋势和动量因子对权重的影响，即每个权重是由本次误差计算所得调整量、上一次权值调整值和动量因子共同决定的。这一改进相当于为权值调整附加了一个阻尼项，避免学习出现振荡现象，改善BP网络的收敛性，同时有效避免学习陷入局部最小值，造成错误。

动量BP神经网络具有优秀的收敛性能和全局误差最小性能，能够根据建模者需要，通过学习，精确建立多输入与多输出间的映射关系模型，被广泛应用于模式识别分类、智能控制、最优预测、信息处理、系统建模等众多领域，这也为电力电缆状态评价的实现提供了一种新的思路。

发明内容

本发明的目的在于解决目前电力电缆状态评判依据单一的不足，现有的评价方法只能对电缆某一方面或局部是否存在缺陷进行评价，缺少一种能将电缆各类试验数据和参数综合起来，全面分析电缆运行状态的方法，本发明提供一种电力电缆状态评价方法，该方法能够分析多种给定的电力电缆运行数据，准确评估电力电缆运行状态，为状态检修提供依据。

本发明的基于动量BP神经网络的电力电缆状态评价方法是通过以下技术方案实现的：

一种基于动量BP神经网络的电力电缆状态评价方法，其特殊之处在于：包括以下步骤：

第一步：建立引入动量因子的三层动量BP神经网络；

第二步：训练动量BP神经网络

采集多组电力电缆状态指标数据输入第一步建立的三层动量BP神经网络训练神经网络，通过神经网络的输出值、目标值、权重变化量和动量因子逐步调节神经网络的权重，使输出值和目标值间的误差达到全局最小，即训练完成；

第三步：电力电缆运行状态判定