[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

说明书

本发明涉及电力系统局部放电位置诊断技术，具体涉及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，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、阈值分布，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，以提高模型状态识别正确率；最后结合训练模型预测开关柜内部运行状态。该监测方法对传统电量检测开关柜故障做出改进，通过分析不同劣化缺陷模型下组分气体信息简化测量难度，由于BP神经网络易限于局部最优解的情况，结合遗传算法进行修正从而提高检测精度，实现开关柜故障早期预警，有效降低开关柜故障率，保证电网安全运行。

技术领域

本发明属于电力系统局部放电位置诊断技术领域，尤其涉及一种基于遗传 算法的改进神经网络的开关柜状态监测方法。

背景技术

随着时代的进步，电力系统实现快速发展：装机量、发电量呈指数趋势增 长，但人们不再满足于有电可用，对用电质量的要求越来越高。因此电力系统 的安全稳定运行至关重要，输配电设备作为构成电力系统的基本原件，其设备 的安全可靠性是保证整个电力系统正常运行的关键。开关柜是常见的输配电设 备，在电力系统进行发电、输电、配电和电能转换的过程中，用于开合、控制 和保护用电设备。由于制作工艺不达标、操作不当等诸多原因会引起开关柜局 部放电，若不加以监测而任其发展至严重程度，最终将导致开关柜内绝缘破坏 而引发安全事故，给发电企业带来巨大的经济损失和负面的社会影响。

为了防止开关柜发生故障，有必要实时检测开关柜内部情况，比如仪器仪 表室运行状态、母线室电缆线线损、二次设备室负载水平等等，还需有效识别 确定开关柜内部缺陷状态，提醒现场巡检人员维护。在开关柜故障早期，依靠 人工检测或者传统的检测方法对开关柜各个模块进行故障检测是非常困难的工 作，需要耗费大量的人力和物力，为此，引入神经网络应用于故障诊断方面对 开关柜状态监测具有现实的指导意义。虽然将神经网络应用于开关柜状态监测 的研究已有很多，但在实际运用中，仍然存在判断精度不高，执行效率低下等 一系列的问题，这使得系统的可用性大大降低，此外开关柜内部结构复杂、信 号时变能力强，提高了神经网络的识别难度。因此，有必要在神经网络理论基 础上引入遗传算法，达到优化网络参数、进一步提高模型识别准确率的目的。

发明内容

本发明的目的是提供一种通过分析开关柜内部绝缘缺陷空气分解特性，采 用遗传算法对BP神经网络优化，有效提高开关柜状态信息识别率的开关柜监测 方法。

为实现上述目的，本发明采用的技术方案是：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，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。

在上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中，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；