[发明专利]一种基于改进BP神经网络状态估计中不良数据的检测方法

权利要求书

1.一种基于改进BP神经网络状态估计中不良数据的检测方法，其特征在于：包括以下步骤：

步骤1、对传统的BP神经网络进行改进，选择新的激活函数并增加调节因子、增加动量项和偏置调整、对学习速率的迭代参数进行动态调整；

步骤2、将电力系统状态估计中的良好数据输入到改进的BP神经网络中，对改进的BP神经网络进行训练，在每次训练后返回一个误差值；

步骤3、通过训练好的改进BP神经网络模型，筛选出电力系统中的可疑数据集；

步骤4、利用传统的四分位数法检测和辨识电力系统中的不良数据。

2.根据权利要求1所述的一种基于改进BP神经网络状态估计中不良数据的检测方法，其特征在于：所述步骤1的具体方法为：

步骤1.1、选择新的激活函数并为其增加调节因子；

采用如下公式所示的函数作为BP神经网络的激活函数：

f(x)＝2sigmoid(2x)-1

该函数把数据压缩在区间(-1，1)内，当输入数据过大或过小的时候，不会导致神经网络的互联神经元之间的权值没有更新；

为BP神经网络的激活函数增加调节因子，增加调节因子后的激活函数如下公式所示：

其中，λ为激活函数的调节因子；

步骤1.2、利用迭代法对BP神经网络的参数调整量进行计算，增加动量项和偏置调整；

所述采用迭代算法计算BP神经网络的参数调整量的调整公式如下所示：

Δw(t)＝ηg(t)+αΔw(t-1)+β

其中，Δw(t)为第t次计算的参数调整量，η为学习率，Δw(t-1)为第t-1次计算的参数调整量，g(t)为第t次迭代所计算出的梯度，α为动量调整系数，α∈(0，1)，β为参数调整的偏置调整量；

步骤1.3、对BP神经网络的学习速率的迭代参数进行动态调整；

所述BP神经网络的学习速率的调整公式如下所示：

η(t)＝β(t)η(t-1)

其中，β(t)为第t次迭代时的学习速率动态调整参数，η(t)为第t次迭代时的学习速率，η(t-1)为第t-1次迭代时的学习速率；

采用梯度下降法对BP神经网络进行训练时，当梯度沿同一方向变化时，梯度变化量小，学习速率小，需适当提升学习速率；当梯度沿不同方向变化时，梯度变化量大，学习速率大，需适当降低学习速率；学习速率的迭代参数动态调整的表达式如下公式所示：

3.根据权利要求2所述的一种基于改进BP神经网络状态估计中不良数据的检测方法，其特征在于：所述步骤2的具体方法为：

所述BP神经网络的训练包括向传播和反向传播，通过前向传播得到系统总误差，利用反向传播将误差分配给互联的神经元之间，以此来调节互联神经元之间的权值和偏置，具体为：

(1)计算电力系统的总误差：

其中，E_total为电力系统的总误差，Y_target为电力系统的目标输出值，Y_output为电力系统的实际输出值；

(2)计算电力系统的总误差在改进的BP神经网络中每层神经元的分配误差，如下公式所示：

其中，Δw_ij为改进的BP神经网络的输入层和隐含层之间的权值，ΔY_m为电力系统的目标输出值与实际输出值的差值，ξ为电力系统总误差分配在Δw_ij上的误差，Q_j为隐含层神经元的输出值，如下公式所示：

其中，Δα_j为输入层到隐含层的偏置，其由上一次训练的偏置和隐含层的输出值决定；

(3)将相邻两次训练返回的电力系统总误差分配在Δw_ij上的误差做差，当差的绝对值小于人为界定的一个阈值ε₀时，即|ξ(t+1)-ξ(t)|＜ε₀时，改进的BP神经网络训练完成。