[发明专利]基于BP-SOM组合神经网络的供电安全隐患智能诊断系统及方法

权利要求书

1.一种基于BP-SOM组合神经网络的供电安全隐患智能诊断系统，其特征在于，包括CPU处理器，CPU处理器连接有供电单元、传输单元、监测单元和报警单元，其中：

所述监测单元包括电流互感器、电压互感器和温度传感器；所述监测单元用于布设在需要监控的供电设备上；

所述传输单元采用有线传输和/或无线传输方式；

所述报警单元包括警报灯、扬声器和/或手持终端。

2.根据权利要求1所述的系统，其特征在于，所述CPU处理器还连接有服务器；

和/或，所述CPU处理器还连接有用于使需要监控的供电设备切断电路的脱扣器；

和/或，所述CPU处理器还连接有GPS定位器。

3.一种利用权利要求1或2所述的基于BP-SOM组合神经网络的供电安全隐患智能诊断系统进行诊断的方法，其特征在于，包括：

步骤1：打开供电单元，为系统供电；

步骤2：对监测单元监测到的用电数据进行周期采样，所述用电数据包括电流互感器采集三相线路的电流值、电压互感器采集三相线路的电压值、以及温度传感器采集四相电气线路的温度；

步骤3：对用电数据进行预处理，剔除偏离点；

步骤4：将预处理后的用电数据通过传输单元传输至CPU处理器，CPU处理器通过预训练的BP-SOM组合神经网络模型对数据进行处理计算，输出是否有事故风险以及风险类型的结果；

步骤5：若出现异常及风险，CPU处理器发出预警信号。

4.根据权利要求3所述的方法，其特征在于，所述步骤4还包括：

CPU处理器将结果及位置数据上传至服务器。

5.根据权利要求3所述的方法，其特征在于，所述步骤5还包括：

CPU处理器根据输出结果，做出是否通过脱扣器切断电路的指令；

和/或，若出现异常及风险，CPU处理器将预警信号及位置发送至工作人员的手持终端。

6.根据权利要求3-5中任一所述的方法，其特征在于，所述BP-SOM组合神经网络模型的构建方法包括：构建BP神经网络；

所述构建BP神经网络，包括：

a)构建不同安全状态下的数据集，包含正常、注意、异常、以及严重四种状态下的数据，各组数据均包含三相线路的电流值即三相电流、三相线路的电压值即三相电压、以及四相电气线路的温度值即四线温度，作为初始数据；

b)将三相电流、三相电压、四线温度这些特征作为输入向量，将漏电流作为输出向量，将数据集分为测试集和训练集两部分，该两部分中的样本随机选择来保证训练集和测试集中的数据分布一致；

c)定义BP神经网络的误差函数；

d)根据输入的样本来计算输出样本和隐藏层神经元输出，选择隐藏层个数为2个，第一层隐藏层神经元为6个，第二层隐藏层神经元为7个；

e)计算目标值与实际值之间的偏差，并求出输出层和隐藏层的误差；

f)计算反向误差并逐层向前反馈；

g)权值学习，根据反向误差来更新输入层—隐藏层、隐藏层—输出层之间的权值；

h)判断误差是否收敛在给定的学习精度内，如果达到给定的学习精度，则学习结束，否则转到步骤d)继续学习。

7.根据权利要求6所述的方法，其特征在于，所述BP-SOM组合神经网络模型的构建方法还包括：构建SOM神经网络；

所述构建SOM神经网络，包括：

a)初始化，对SOM中神经元的初始权值W_ij进行归一化处理，使权值的范围分布在(0，1)之间，且相邻权值不相等；

b)原始数据输入，所述原始数据包括供电设备的漏电流、以及相邻时刻的四线温度差；

c)计算输出各神经元间的欧式距离，最小欧式距离即为获胜神经元，计算公式见下式；

其中，X_i(t)表示t时刻原始数据X_i的值，W_ij(t)表示t时刻W_ij的值；

d)权值更新，调整获胜神经元的权值，见下式；

W_ij(t+1)＝W_ij(t)+α(t)h_c，j(t)(X_i(t)-W_ij(t))

其中，0＜α(t)＜1表示学习速率，随着时间的推移逐渐下降为0；h_c，j(t)为邻域函数，计算输出O_k＝f(min_j||X-W_j||)，输出O_k为供电设备安全隐患类型分类，包含正常、注意、异常、以及严重四种状态；

e)循环判断，如果满足α(t)＜α_min，程序结束；如果不能满足，则返回步骤b)原始数据输入继续进行，其中α_min为事先设定的最小学习率超参数。