[发明专利]一种基于遗传算法的改进神经网络的开关柜状态监测方法

权利要求书

1.一种基于遗传算法的改进神经网络的开关柜状态监测方法，其特征是，包括首先确定整个系统模型参数；然后引入遗传算法对BP神经网络进行优化；由遗传算法确定最优权值、阈值，将其作为BP神经网络初始参数用于模型预测，根据测试结果修正模型误差参数；最后结合训练模型预测开关柜内部运行状态。

2.如权利要求1所述的基于遗传算法的改进神经网络的开关柜状态监测方法，其特征是，监测方法的实现包括以下步骤：

步骤1、获取数据；模拟开关柜常见绝缘劣化缺陷类型，建立对应实验模型，采集气体组分信息，包括浓度c，生成速率v，作为BP神经网络输入对象，并将采集的数据存储至数据库；根据实验训练学习样本预测开关柜当前运行状态；

步骤2、明确检测对象；根据步骤1中采集的数据，选择具有代表性气体，作为BP神经网络输入对象，确定BP神经网络拓扑结构；将步骤1中数据作为参考，在不同开关柜绝缘劣化缺陷模型下确定气体组分信息包括浓度c，生成速率v，以此作为样本数据用于BP神经网络训练；

步骤3、采用遗传算法确定BP神经网络最优权值、阈值；根据步骤2所确定BP神经网络拓扑结构，确定遗传算法编码规则、编码方式，根据适应值函数对初始种群进行选择，判断是否满足停止条件，满足停止条件则执行步骤4，否则对父代执行交叉变异操作，形成子代种群，不断重复操作直至满足停止条件；

步骤4、采用BP神经网络算法建立开关柜绝缘劣化缺陷预测模型；结合步骤3确定BP神经网络初始化权值、阈值，从数据库提取数据用于BP神经网络预测，将开关柜内气体组分信息，包括浓度c、生成速率v作为BP神经网络输入对象，将开关柜常见绝缘劣化缺陷模型作为输出，不断训练调整BP神经网络学习速率、权值、阈值，直至BP神经网络误差满足设定误差阈值停止迭代，完成开关柜绝缘劣化缺陷模型的训练；

步骤5、结合训练模型预测开关柜内部运行状态；通过步骤3、4确定开关柜内部绝缘劣化缺陷模型下气体组分信息间相互关系，现场采集气体组分信息，当开关柜内某些特征气体浓度c或生成速率v超过设定阈值时，首先采用遗传算法确定BP神经网络最优权值、阈值，提高系统训练效率，再结合BP神经网络，根据训练结果预测开关柜当前绝缘劣化缺陷模型，分析对应开关柜内部缺陷状态，从而实现对开关柜内部状态监测。

3.如权利要求2所述的基于遗传算法的改进神经网络的开关柜状态监测方法，其特征是，步骤1所述开关柜内部绝缘劣化缺陷模型包括固体金属突出物缺陷模型、绝缘子气隙缺陷模型、绝缘子表面金属污秽模型、自由金属微粒缺陷模型，对应于开关柜内气隙放电、沿面放电、悬浮电位放电、电晕放电局部放电状况。

4.如权利要求2所述的基于遗传算法的改进神经网络的开关柜状态监测方法，其特征是，步骤3所述遗传算法包括确定编码规则、初始种群生成、确定目标函数、确定结束条件、适者生存、遗传进化；并优化遗传算法中目标函数、遗传进化参数。

5.如权利要求2所述的基于遗传算法的改进神经网络的开关柜状态监测方法，其特征是，步骤4所述BP神经网络分为BP神经网络初始化、隐含层和输出层输出计算、误差计算、权值、阈值更新和调整学习速率、确定结束条件；并优化BP神经网络的学习速率参数。