[发明专利]一种基于自适应神经模糊推理系统的特高压变压器励磁涌流预测算法

摘要

本发明属于智能开关电器领域，涉及一种基于自适应神经模糊推理系统的特高压变压器励磁涌流预测算法。步骤如下：第一步：特高压变压器涌流模型的建立；第二步：通过混合算法确定各参数；确定前提参数和结论参数，对断路器制造商来说，如果需要根据不同用户对励磁涌流的要求调整开关性能参数，则需要继续进行第三步。第三步：不同变压器励磁涌流要求下选相断路器的性能参数要求。本发明使用反向传播算法来优化网络。ANFIS架构不仅可以使用语言信息，还可以使用数字数据来适应自身，从而实现更好的特高压变压器选相关合励磁涌流预测性能，并且具有计算时间短的特点。

主权项

1.一种基于自适应神经模糊推理系统的特高压变压器励磁涌流预测算法，其特征在于，步骤如下：第一步：特高压变压器涌流模型的建立第1层：将三个输入变量模糊化，三个输入变量分别为关合系数k、机械分散性3σ及变压器剩磁φs；此层的输入为实际负荷的样本数据集，输出为各输入变量的隶属度，输出形式为：其中：O11表示第1层第1个节点的输出；O12表示第1层第2个节点的输出；O13表示第1层第3个节点的输出；O14表示第1层第4个节点的输出；O15表示第1层第5个节点的输出；O16表示第1层第6个节点的输出；和H_i是三个输入变量相对应的模糊语言变量；函数μ为满足条件的隶属度函数，隶属度函数采用高斯(Gauss)函数，其表达式为：其中：模糊隶属度函数{a_i，b_i，c_i，d_i，e_i，g_i}为第i层节点的参数集；a_i，b_i，c_i，d_i，e_i，g_i称为前提参数，为输入变量关合系数k的隶属度函数；为机械分散性3σ的隶属度函数；μ_Hi(z)为变压器剩磁φ_s的隶属度函数；第2层：实现第1层各输出的乘积运算，第2层第i个节点的规则强度为ωi，第2层的第i个节点输出为：第3层：对第2层第1个节点的规则强度ω1和第2层第2个节点的规则强度ω2进行归一化处理，第三层的第i个节点的输出O3i为：第4层：第4层的每个节点i均为具有节点函数的自适应节点，其节点函数fi为线性函数，fi＝pix+qiy+siz+ti，第4层的第i个节点输出O4i为：其中：模糊参数pi、qi、si和ti为结论参数，即Takagi‑Sugeno线性方程参数，通过ANFIS的最小二乘估计算法确定；第5层：该层为一个带有∑的固定节点，其功能是计算第4层的第i个节点输出O4i的总和，以作为系统的总输出O5，即励磁涌流I：第二步：通过混合算法确定前提参数ai，bi，ci，di，ei，gi和结论参数pi，qi，si，ti；具体步骤如下：1)将三个输入变量的经验值代入特高压变压器涌流模型，在每一次迭代中，先固定前提参数，第1层的输出继续沿网络正向传递直至第4层；然后采用最小二乘估计算法对结论参数进行计算调整，得到满足要求值的结论参数；第4层的输出继续沿网络正向传播到达总输出O5；2)将已知输出经验值与得到的总输出O5相减得到误差值，误差值将沿网络反向传播，固定结论参数，采用梯度下降法调节第l层的前提参数；3)重复前两步，直至误差值满足要求值，将得到的前提参数ai，bi，ci，di，ei，gi和结论参数pi，qi，si，ti代入公式(6)中，得到完整的特高压变压器涌流模型；4)关合系数k和机械分散性3σ代入完整的特高压变压器涌流模型中，计算出总输出O5，即励磁涌流I。