[发明专利]一种利用BP神经网络算法进行操作过电压估算的方法

权利要求书

1.一种利用BP神经网络算法进行操作过电压估算的方法，其特征在于：包括如下步骤：

(1)首先根据线路操作过电压的理论计算公式，选取线路操作过电压计算结果的强相关参数；

(2)对待训练的数据的过电压计算结果进行预处理，并选择合适的神经网络传递函数模型；

(3)输入若干组输入/输出数据作为神经网络学习样本，其中若干组线路的强相关参数作为输入数据，对应的若干组线路的过电压估算结果作为输出数据，利用步骤(2)选择的神经网络传递函数模型进行神经网络函数训练；

(4)最后利用训练好的神经网络传递函数估算待计算线路的操作过电压结果。

2.如权利要求1所述的针对一种利用BP神经网络算法进行操作过电压估算的方法，其特征在于：所述强相关参数包括系统等值内电抗X，输电线路的总长度l、单位对地电抗L和单位对地电容C。

3.如权利要求1所述的一种利用BP神经网络算法进行操作过电压估算的方法，其特征在于：在利用BP神经网络算法进行合空载长线过电压估算时，考虑过电压计算结果的离散性，因此并不估算过电压计算结果的具体数值，只估算其是否存在过电压风险，步骤(2)利用表1对待训练的数据的过电压计算结果进行预处理：

表1过电压估算结果和风险性对照表

过电压计算结果	估算结果	过电压风险性
U1.7	0	完全不存在风险
1.7≤U1.9	1	存在较低的风险
1.9≤U2.0	2	存在一定的风险
U≥2.0	3	存在极大的风险

利用表1对待训练的数据的过电压计算结果进行预处理后，设置隐含层神经元和输出层的函数分别为“purelin”、“purelin”，隐层和输出层的神经元的个数分别为3和1，反向传播的训练函数为“traingd”。

4.如权利要求1所述的一种利用BP神经网络算法进行操作过电压估算的方法，其特征在于：步骤(3)输入若干组输入/输出数据作为神经网络学习样本，样本数量不低于20组；神经网络函数训练的参数设置为训练次数、训练目标、学习率和动量因子默认值为10000次、10^-5，0.01和0.9。