[发明专利]一种电力信息物理系统干扰检测方法

说明书

本发明属于电力信息物理系统技术领域，尤其涉及一种电力信息物理系统干扰检测方法。本发明对基于遗传算法的神经网络算法进行了改进，利用遗传算法通过优化神经网络的权值和阈值解决了系统中各种干扰的存在给系统造成的危害。本发明采用遗传算法和神经网络模型求解运行，给出最终干扰成因，验证了基于遗传算法的神经网络与传统神经网络相比的优越性，为电力信息物理系统的发展提供了更加有效的安全保障。

技术领域

本发明属于电力信息物理系统技术领域，尤其涉及一种电力信息物理系统干扰检测方法。

背景技术

随着电力基础网络和电力信息通信网络联系的日益紧密，传统的仅基于电力系统物理联系的分析和控制领域研究的局限性凸显。

针对目前多源异构配电网中因分布式电源等因素导致配电网运行复杂，以及能量流、信息流和业务流的高度融合对配电网安全、高效、可靠运行带来的影响日益严重等问题，极有必要结合两种或两种以上算法的组合检测方法进行多场景扰动下的配电信息物理系统抗扰控制研究。

随着电力信息物理系统发展，信息安全的重要性逐渐凸显，系统中各种干扰的存在给系统造成了极大的危害。系统中的干扰具有不确定性，由于神经网络对各种非线性问题具有良好的泛化能力，因此神经网络算法可以应用于各类干扰的检测，但是神经网络还存在收敛速度慢、易陷入局部最优等缺点，并且传统的神经网络算法容易将误差信号转化为局部极小值。

发明内容

针对上述现有技术中存在的不足之处，本发明提供了一种电力信息物理系统干扰检测方法。其目的是利用遗传算法通过优化神经网络的权值和阈值来解决系统中各种干扰的存在给系统造成的危害性的问题。

本发明为实现上述目的所采用的技术方案是：

一种电力信息物理系统干扰检测方法，采用遗传算法和神经网络模型求解运行，给出最终干扰成因，验证基于遗传算法的神经网络与传统神经网络相比的优越性；

神经网络算法包括以下步骤：

步骤1.在训练样本中输入目标样本和输入样本；

步骤2.从正方向开始计算；

步骤3.计算各层输出；

步骤4.计算样本的输出误差；

步骤5.调整输出层和隐含层的权重和阈值；

步骤6.确定所有样本的培训是否完成；如果没有，则选择新样本并返回步骤2进行正向计算；如果是，则转到步骤7；

步骤7.计算误差，确定误差是否在允许范围内，如果满足，则结束；如果不满足则转到步骤8；

步骤8.确定培训频率是否满足计划的培训频率，如果是，则流程结束；如果没有，则转到步骤2继续培训。

所述神经网络算法，误差函数在负方向上递减，网络中的权值W_ij,T_ij和阈值θ得到修正。

所述遗传算法包括以下步骤：

步骤1：确定神经网络的拓扑结构；

步骤2：对神经网络的权值和阈值进行编码得到初始值；

步骤3：通过初始值计算得到权值和阈值；

步骤4：为新创建的神经网络分配权值和阈值；

步骤5：训练样本和网络；

步骤6：测试样本和网络；

步骤7：计算适应度；

步骤8：选择高度适应性样本进行复制；

步骤9：进行交叉变异；