亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種輸電線路故障點定位綜合優(yōu)化方法與流程

文檔序號:11913965閱讀:238來源:國知局
一種輸電線路故障點定位綜合優(yōu)化方法與流程

本發(fā)明涉及輸電線路故障診斷技術(shù)領(lǐng)域,尤其涉及一種輸電線路故障點定位綜合優(yōu)化方法。



背景技術(shù):

架空輸電線路是電網(wǎng)建設(shè)基礎(chǔ),是電力系統(tǒng)的重要組成部分,它將能源中心轉(zhuǎn)變而來的巨大電能輸送到四面八方的負(fù)荷中心,輸電線路的安全穩(wěn)定運行直接影響著電網(wǎng)的穩(wěn)定性和供電的可靠性。我國架空輸電線路所經(jīng)過地區(qū)的地形地貌通常錯綜復(fù)雜,沿途經(jīng)過平原、丘陵、山谷、森林、江河以及湖泊等,地理條件和氣象條件也多種多樣,因此極易遭受各類故障,從而引起線路跳閘。能否對輸電線路故障點進行快速準(zhǔn)確查找,即對故障點進行精確定位決定著能否快速恢復(fù)電網(wǎng)的穩(wěn)定運行,最大限度減小經(jīng)濟損失。

相關(guān)技術(shù)中,為了使故障點的定位更加準(zhǔn)確,電網(wǎng)運行單位一般同時采用多種測距方法(例如保護測距法、故障錄波測距發(fā)法、行波測距法、分布式故障測距法等)對線路故障點進行測距,當(dāng)有故障發(fā)生時,設(shè)置在輸電線路兩端的多組具有不同測距方法的測距設(shè)備會根據(jù)自身的測距方法得到相應(yīng)的故障點坐標(biāo)并進行反饋,電網(wǎng)運維人員在接收到多組故障點坐標(biāo)后會結(jié)合輸電線路當(dāng)時所處的環(huán)境條件以及自己的經(jīng)驗綜合考慮之后人工選擇其中一組故障點坐標(biāo)作為測量結(jié)果,然后根據(jù)測量結(jié)果對輸電線路進行巡線,確定故障點的準(zhǔn)確位置。

然而,在相關(guān)技術(shù)中,電網(wǎng)運行單位采用的故障定位方法相互獨立,在不同外部環(huán)境的影響下定位準(zhǔn)確度不盡相同,無法確定哪種測量方法測量的結(jié)果最準(zhǔn)確,從而導(dǎo)致電網(wǎng)運維人員難以從這些定位結(jié)果中選取最合適的測量結(jié)果,影響了故障點定位的精確度。



技術(shù)實現(xiàn)要素:

為克服相關(guān)技術(shù)中存在的問題,本發(fā)明提供一種輸電線路故障點定位綜合優(yōu)化方法,以解決現(xiàn)有技術(shù)中故障點定位精確度低的問題。

為了解決上述技術(shù)問題,本發(fā)明實施例公開了如下技術(shù)方案:

本申請公開了一種輸電線路故障點定位綜合優(yōu)化方法,包括:

獲取新發(fā)生故障線路的線路總長及各類測距設(shè)備的測距結(jié)果,并將所述測距結(jié)果進行預(yù)處理;

將所述預(yù)處理后得到的有效測距結(jié)果進行歸一化處理;

計算歸一化處理后的所述有效測距結(jié)果的總體標(biāo)準(zhǔn)差值;

判斷所述總體標(biāo)準(zhǔn)差值是否小于預(yù)定閾值;

如果所述總體標(biāo)準(zhǔn)差小于所述預(yù)定閾值,則采用第一種BP神經(jīng)網(wǎng)絡(luò)模型,將歸一化處理后的所述有效測距結(jié)果作為所述第一種BP神經(jīng)網(wǎng)絡(luò)模型的輸入,將第一種BP神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果作反歸一化處理,并將反歸一化處理后的輸出結(jié)果作為故障點距離;

如果所述總體標(biāo)準(zhǔn)差大于或等于所述預(yù)定閾值,則采用第二種BP神經(jīng)網(wǎng)絡(luò)模型,將歸一化處理后的所述有效測距結(jié)果作為所述第二種BP神經(jīng)網(wǎng)絡(luò)模型的輸入,選擇第二種BP神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果中最小值所對應(yīng)的測距設(shè)備的測距結(jié)果作為故障點距離;其中,所述第一種BP神經(jīng)網(wǎng)絡(luò)模型和第二種BP神經(jīng)網(wǎng)絡(luò)模型不為同一種BP神經(jīng)網(wǎng)絡(luò)模型。

可選的,所述各類測距設(shè)備的測距結(jié)果指各類測距設(shè)備在故障線路同一側(cè)得到的與故障點的距離,其中,所述各類測距設(shè)備包括保護測距設(shè)備、故障錄波測距設(shè)備、行波測距設(shè)備。

可選的,所述將所述測距結(jié)果進行預(yù)處理,包括:

判斷是否收集到所述測距結(jié)果;

如果所述測距結(jié)果部分或全部收集到,則將收集到的所述測距結(jié)果進行長度單位統(tǒng)一,并判斷長度單位統(tǒng)一后的所述測距結(jié)果是否大于所述線路總長;

如果長度單位統(tǒng)一后的所述測距結(jié)果全部大于所述線路總長,則將所述測距結(jié)果無效處理;

如果長度單位統(tǒng)一后的所述測距結(jié)果全部不大于所述線路總長,則用長度單位統(tǒng)一后的所述測距結(jié)果的算術(shù)平均值代替未收集的測距結(jié)果

如果長度單位統(tǒng)一后的所述測距結(jié)果部分不大于所述線路總長,則用不大于所述線路總長的測距結(jié)果的算術(shù)平均值代替未收集到或大于所述線路總長的測距結(jié)果。

可選的,所述第一種BP神經(jīng)網(wǎng)絡(luò)模型的建立方法包括:

獲取某一地區(qū)范圍內(nèi)的輸電線路歷史跳閘數(shù)據(jù)并統(tǒng)一長度單位;

根據(jù)所述歷史跳閘數(shù)據(jù)選擇其中N條完整數(shù)據(jù)進行歸一化處理;

將所述歸一化處理后的所述N條完整數(shù)據(jù)作為訓(xùn)練樣本,將所述訓(xùn)練樣本中的各類測距設(shè)備的測距結(jié)果作為所述第一種BP神經(jīng)網(wǎng)絡(luò)模型的輸入,對應(yīng)的所述訓(xùn)練樣本中的實際故障點距離作為所述第一種BP神經(jīng)網(wǎng)絡(luò)模型的期望輸出,建立第一種BP神經(jīng)網(wǎng)絡(luò)模型,所述第一種BP神經(jīng)網(wǎng)絡(luò)模型的隱含層設(shè)為一層,所述第一種BP神經(jīng)網(wǎng)絡(luò)模型的輸出層為反歸一化前的優(yōu)化故障點距離。

可選的,所述歷史跳閘數(shù)據(jù)中每條數(shù)據(jù)包含線路總長、各類測距設(shè)備的測距結(jié)果、實際故障點距離,其中,所述各類測距設(shè)備的測距結(jié)果指各類測距設(shè)備在故障線路同一側(cè)得到的與故障點的距離;所述實際故障點距離為巡線后的實際故障點到故障線路同一側(cè)端點的距離;所述各類測距設(shè)備包括保護測距設(shè)備、故障錄波測距設(shè)備、行波測距設(shè)備。

可選的,所述歸一化處理包括:

將所述N條完整數(shù)據(jù)中所有數(shù)據(jù)除以對應(yīng)的線路總長。

可選的,所述第二種BP神經(jīng)網(wǎng)絡(luò)模型的建立方法包括:

獲取某一地區(qū)范圍內(nèi)的輸電線路歷史跳閘數(shù)據(jù)并統(tǒng)一長度單位;

根據(jù)所述歷史跳閘數(shù)據(jù)選擇其中N條完整數(shù)據(jù)進行歸一化處理;

根據(jù)誤差計算公式分別計算所述N條完整數(shù)據(jù)中各類測距設(shè)備的測距結(jié)果的誤差,將歸一化后的所述N條完整數(shù)據(jù)中的各類測距設(shè)備的測距結(jié)果作為第二種BP神經(jīng)網(wǎng)絡(luò)模型的輸入,對應(yīng)的所述誤差作為第二種BP神經(jīng)網(wǎng)絡(luò)模型的期望輸出,建立第二種BP神經(jīng)網(wǎng)絡(luò)模型,第二種BP神經(jīng)網(wǎng)絡(luò)模型的隱含層設(shè)為一層,第二種BP神經(jīng)網(wǎng)絡(luò)模型的輸出層為對應(yīng)的各類測距設(shè)備的誤差。

可選的,所述歷史跳閘數(shù)據(jù)中每條數(shù)據(jù)包含線路總長、各類測距設(shè)備的測距結(jié)果以及實際故障點距離,其中,所述各類測距設(shè)備的測距結(jié)果指各類測距設(shè)備在故障線路同一側(cè)得到的與故障點的距離;所述實際故障點距離為巡線后的實際故障點到故障線路同一側(cè)端點的距離;所述各類測距設(shè)備包括保護測距設(shè)備、故障錄波測距設(shè)備、行波測距設(shè)備。

可選的,所述歸一化處理包括:

將所述N條完整數(shù)據(jù)中所有數(shù)據(jù)除以對應(yīng)的線路總長。

可選的,所述誤差計算公式為:誤差=(測距結(jié)果-實際故障點距離)/線路總長。

本發(fā)明的實施例提供的技術(shù)方案可以包括以下有益效果:通過本發(fā)明實施的輸電線路故障點定位綜合優(yōu)化方法對多種故障測距設(shè)備的定位結(jié)果進行綜合分析,能夠形成一種融合了各種故障定位資源的更有效地定位方法,能夠有效提升資源利用率,從而提高故障點定位的精確度。

而且根據(jù)多種故障測距設(shè)備的故障測距定位歷史運行數(shù)據(jù),建立了兩種不同的BP神經(jīng)網(wǎng)絡(luò)模型,并根據(jù)各種故障測距設(shè)備對新發(fā)生故障點的定位差異大小來確定選取哪一種神經(jīng)網(wǎng)絡(luò)模型,為取舍眾多故障測距設(shè)備的測距結(jié)果提供了依據(jù),保證了故障定位數(shù)據(jù)的精確度。

應(yīng)當(dāng)理解的是,以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的,并不能限制本發(fā)明。

附圖說明

此處的附圖被并入說明書中并構(gòu)成本說明書的一部分,示出了符合本發(fā)明的實施例,并與說明書一起用于解釋本發(fā)明的原理。

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案,下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹,顯而易見地,對于本領(lǐng)域普通技術(shù)人員而言,在不付出創(chuàng)造性勞動性的前提下,還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例提供的一種輸電線路故障點定位綜合優(yōu)化方法的流程示意圖;

圖2為本發(fā)明實施例提供的第一種BP神經(jīng)網(wǎng)絡(luò)模型示意圖;

圖3為本發(fā)明實施例提供的第二種BP神經(jīng)網(wǎng)絡(luò)模型示意圖。

具體實施方式

這里將詳細(xì)地對示例性實施例進行說明,其示例表示在附圖中。下面的描述涉及附圖時,除非另有表示,不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實施例中所描述的實施方式并不代表與本發(fā)明相一致的所有實施方式。相反,它們僅是與如所附權(quán)利要求書中所詳述的、本發(fā)明的一些方面相一致的裝置和方法的例子。

圖1是根據(jù)一示例性實施例示出的一種輸電線路故障點定位綜合優(yōu)化方法的流程示意圖,如圖1所示,所述輸電線路故障點定位綜合優(yōu)化方法包括:

獲取新發(fā)生故障線路的線路總長及各類測距設(shè)備的測距結(jié)果,并將所述測距結(jié)果進行預(yù)處理;

將所述預(yù)處理后得到的有效測距結(jié)果進行歸一化處理;

計算歸一化處理后的所述有效測距結(jié)果的總體標(biāo)準(zhǔn)差值;

判斷所述總體標(biāo)準(zhǔn)差值是否小于預(yù)定閾值;

如果所述總體標(biāo)準(zhǔn)差小于所述預(yù)定閾值,則采用第一種BP神經(jīng)網(wǎng)絡(luò)模型,將歸一化處理后的所述有效測距結(jié)果作為所述第一種BP神經(jīng)網(wǎng)絡(luò)模型的輸入,將第一種BP神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果作反歸一化處理,并將反歸一化處理后的輸出結(jié)果作為故障點距離;

如果所述總體標(biāo)準(zhǔn)差大于或等于所述預(yù)定閾值,則采用第二種BP神經(jīng)網(wǎng)絡(luò)模型,將歸一化處理后的所述有效測距結(jié)果作為所述第二種BP神經(jīng)網(wǎng)絡(luò)模型的輸入,選擇第二種BP神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果中最小值所對應(yīng)的測距設(shè)備的測距結(jié)果作為故障點距離。

其中,所述第一種BP神經(jīng)網(wǎng)絡(luò)模型和第二種BP神經(jīng)網(wǎng)絡(luò)模型不為同一種BP神經(jīng)網(wǎng)絡(luò)模型。

所述各類測距設(shè)備的測距結(jié)果指各類測距設(shè)備在故障線路同一側(cè)得到的與故障點的距離,其中,所述各類測距設(shè)備包括保護測距設(shè)備、故障錄波測距設(shè)備、行波測距設(shè)備。

所述將所述測距結(jié)果進行預(yù)處理,包括:

判斷是否收集到所述測距結(jié)果;

如果所述測距結(jié)果全部未收集到,則將所述測距結(jié)果無效處理;

如果所述測距結(jié)果部分或全部收集到,則將收集到的所述測距結(jié)果進行長度單位統(tǒng)一,并判斷長度單位統(tǒng)一后的所述測距結(jié)果是否大于所述線路總長;

如果長度單位統(tǒng)一后的所述測距結(jié)果全部大于所述線路總長,則將所述測距結(jié)果無效處理;

如果長度單位統(tǒng)一后的所述測距結(jié)果全部不大于所述線路總長,則用長度單位統(tǒng)一后的所述測距結(jié)果的算術(shù)平均值代替未收集的測距結(jié)果

如果長度單位統(tǒng)一后的所述測距結(jié)果部分不大于所述線路總長,則用不大于所述線路總長的測距結(jié)果的算術(shù)平均值代替未收集到或大于所述線路總長的測距結(jié)果。

圖2為本發(fā)明實施例提供的第一種BP神經(jīng)網(wǎng)絡(luò)模型示意圖,如圖2所示,所述第一種BP神經(jīng)網(wǎng)絡(luò)模型的建立方法包括:

獲取某一地區(qū)范圍內(nèi)的輸電線路歷史跳閘數(shù)據(jù)并統(tǒng)一長度單位;

根據(jù)所述歷史跳閘數(shù)據(jù)選擇其中N條完整數(shù)據(jù)進行歸一化處理;

將所述歸一化處理后的所述N條完整數(shù)據(jù)作為訓(xùn)練樣本,將所述訓(xùn)練樣本中的各類測距設(shè)備的測距結(jié)果作為所述第一種BP神經(jīng)網(wǎng)絡(luò)模型的輸入,對應(yīng)的所述訓(xùn)練樣本中的實際故障點距離作為所述第一種BP神經(jīng)網(wǎng)絡(luò)模型的期望輸出,建立第一種BP神經(jīng)網(wǎng)絡(luò)模型,所述第一種BP神經(jīng)網(wǎng)絡(luò)模型的隱含層設(shè)為一層,所述第一種BP神經(jīng)網(wǎng)絡(luò)模型的輸出層為反歸一化前的優(yōu)化故障點距離。

所述歷史跳閘數(shù)據(jù)中每條數(shù)據(jù)包含線路總長、各類測距設(shè)備的測距結(jié)果、實際故障點距離,其中,所述各類測距設(shè)備的測距結(jié)果指各類測距設(shè)備在故障線路同一側(cè)得到的與故障點的距離;所述實際故障點距離為巡線后的實際故障點到故障線路同一側(cè)端點的距離;所述各類測距設(shè)備包括保護測距設(shè)備、故障錄波測距設(shè)備、行波測距設(shè)備。

所述歸一化處理包括:將所述N條完整數(shù)據(jù)中所有數(shù)據(jù)除以對應(yīng)的線路總長。

圖3為本發(fā)明實施例提供的第二種BP神經(jīng)網(wǎng)絡(luò)模型示意圖,如圖3所示,所述第二種BP神經(jīng)網(wǎng)絡(luò)模型的建立方法包括:

獲取某一地區(qū)范圍內(nèi)的輸電線路歷史跳閘數(shù)據(jù)并統(tǒng)一長度單位;

根據(jù)所述歷史跳閘數(shù)據(jù)選擇其中N條完整數(shù)據(jù)進行歸一化處理;

根據(jù)誤差計算公式分別計算所述N條完整數(shù)據(jù)中各類測距設(shè)備的測距結(jié)果的誤差,將歸一化后的所述N條完整數(shù)據(jù)中的各類測距設(shè)備的測距結(jié)果作為第二種BP神經(jīng)網(wǎng)絡(luò)模型的輸入,對應(yīng)的所述誤差作為第二種BP神經(jīng)網(wǎng)絡(luò)模型的期望輸出,建立第二種BP神經(jīng)網(wǎng)絡(luò)模型,第二種BP神經(jīng)網(wǎng)絡(luò)模型的隱含層設(shè)為一層,第二種BP神經(jīng)網(wǎng)絡(luò)模型的輸出層為對應(yīng)的各類測距設(shè)備的誤差。

所述歷史跳閘數(shù)據(jù)中每條數(shù)據(jù)包含線路總長、各類測距設(shè)備的測距結(jié)果以及實際故障點距離,其中,所述各類測距設(shè)備的測距結(jié)果指各類測距設(shè)備在故障線路同一側(cè)得到的與故障點的距離;所述實際故障點距離為巡線后的實際故障點到故障線路同一側(cè)端點的距離;所述各類測距設(shè)備包括保護測距設(shè)備、故障錄波測距設(shè)備、行波測距設(shè)備。

所述歸一化處理包括:

將所述N條完整數(shù)據(jù)中所有數(shù)據(jù)除以對應(yīng)的線路總長。

所述誤差計算公式為:誤差=(測距結(jié)果-實際故障點距離)/線路總長。

如圖1所示的一種輸電線路故障點定位綜合優(yōu)化方法的具體步驟,如下所述:

獲取一定范圍內(nèi)新發(fā)生故障線路的總長(C)、所述故障線路其中同一側(cè)主一保護測距(Z1)、主二保護測距(Z2)、故障錄波測距G、行波測距X、分布式故障測距F,并將長度單位統(tǒng)一為m,然后將Z1、Z2、G、X、F進行預(yù)處理。

其中,對Z1、Z2、G、X、F進行預(yù)處理的具體步驟為:如果Z1、Z2、G、X、F中數(shù)據(jù)均未收集到則將該組數(shù)據(jù)無效化處理并結(jié)束此次故障點定位;如果Z1、Z2、G、X、F中部分或全部數(shù)據(jù)收集到了則將收集到的數(shù)據(jù)與總長C進行比較,如果收集到的數(shù)據(jù)中全部大于總長C,則將該組數(shù)據(jù)無效化處理并結(jié)束此次故障點定位,如果收集到的數(shù)據(jù)全部小于總長C,則計算這些收集到的數(shù)據(jù)的算術(shù)平均值P,用所述算術(shù)平均值P代替大于總長C的數(shù)據(jù),如果收集到的數(shù)據(jù)中只有一部分?jǐn)?shù)據(jù)小于總長C,則計算小于總長C的數(shù)據(jù)的算術(shù)平均值P,用所述算術(shù)平均值P代替沒有收集到或大于總長C的數(shù)據(jù)。

將預(yù)處理后的Z1、Z2、G、X、F進行歸一化處理,即將Z1、Z2、G、X、F分別除以總長C。

根據(jù)公式S=sqrt{1/5[(Z1-P)^2+(Z2-P)^2+(G-P)^2+(X-P)^2+(F-P)^2]}計算Z1、Z2、G、X、F的總體標(biāo)準(zhǔn)差S。

將所述總體標(biāo)準(zhǔn)差S與預(yù)設(shè)閾值C/8進行比較,如果S<C/8,則采用第一種BP神經(jīng)網(wǎng)絡(luò)模型,將Z1/C、Z2/C、G/C、X/C、F/C作為第一種BP神經(jīng)網(wǎng)絡(luò)模型的輸入,將第一種BP神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果作反歸一化處理,即將輸出結(jié)果乘以C,并將反歸一化處理后的輸出結(jié)果作為故障點距離

如果S≥C/8,則采用第二種BP神經(jīng)網(wǎng)絡(luò)模型,將Z1/C、Z2/C、G/C、X/C、F/C作為第二種BP神經(jīng)網(wǎng)絡(luò)模型的輸入,選擇第二種BP神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果中最小值所對應(yīng)的測距設(shè)備的測距結(jié)果作為故障點距離。

如圖2所示的,第一種BP神經(jīng)網(wǎng)絡(luò)模型的建立方法的具體步驟,如下所述:

收集一定范圍內(nèi)的輸電線路歷史跳閘數(shù)據(jù)并統(tǒng)一長度單位為m,所述歷史跳閘數(shù)據(jù)中每條數(shù)據(jù)包含線路總長C、其中同一側(cè)主一保護測距Z1、主二保護測距Z2、故障錄波測距G、行波測距X、分布式故障測距F、巡線后的實際故障點到故障線路同一側(cè)端點的距離T。

在所述歷史跳閘數(shù)據(jù)中,選擇其中N條完整數(shù)據(jù),將N條完整數(shù)據(jù)記為Ci、Z1i、Z2i、Gi、Xi、Fi、Ti(其中i為從1到N的整數(shù)),然后進行歸一化處理,即將Ci、Z1i、Z2i、Gi、Xi、Fi、Ti除以Ci,其中,所述N條完整數(shù)據(jù)中每條數(shù)據(jù)的C、Z1、Z2、G、X、F、T不存在數(shù)據(jù)缺失的情況,且Z1、Z2、G、X、F、T不大于線路總長C,。

如圖2所示,建立第一種BP神經(jīng)網(wǎng)絡(luò)模型,將歸一化后的各類測距設(shè)備的測距結(jié)果,即Z1i/Ci、Z2i/Ci、Gi/Ci、Xi/Ci、Fi/Ci(其中i為從1到N的整數(shù))作為第一種BP神經(jīng)網(wǎng)絡(luò)模型的輸入,Ti/Ci(其中i為從1到N的整數(shù))作為第一種BP神經(jīng)網(wǎng)絡(luò)模型的期望輸出,第一種BP神經(jīng)網(wǎng)絡(luò)模型的隱含層設(shè)為一層,第一種BP神經(jīng)網(wǎng)絡(luò)模型的輸出層為反歸一化前的優(yōu)化故障點距離,使用MATLAB R2013b進行仿真,其中,將第一種BP神經(jīng)網(wǎng)絡(luò)模型的隱含層節(jié)點數(shù)設(shè)為5,訓(xùn)練次數(shù)設(shè)置為50000,精度設(shè)為0.00001,學(xué)習(xí)速率設(shè)為0.01。

如圖3所示的,第二種BP神經(jīng)網(wǎng)絡(luò)模型的建立方法的具體步驟,如下所述:

收集一定范圍內(nèi)的輸電線路歷史跳閘數(shù)據(jù)并統(tǒng)一長度單位為m。所述歷史跳閘數(shù)據(jù)中每條數(shù)據(jù)包含線路總長C、其中一側(cè)主一保護測距Z1、同側(cè)主二保護測距Z2、同側(cè)故障錄波測距G、同側(cè)行波測距X、同側(cè)分布式故障測距F、巡線后的實際故障點到故障線路同一側(cè)端點的距離T。

在所述歷史跳閘數(shù)據(jù)中,選擇其中N條完整數(shù)據(jù),將N條完整數(shù)據(jù)記為Ci、Z1i、Z2i、Gi、Xi、Fi、Ti(其中i為從1到N的整數(shù))并進行歸一化處理,即將Ci、Z1i、Z2i、Gi、Xi、Fi、Ti除以Ci,其中,,所述N條完整數(shù)據(jù)中每條數(shù)據(jù)的C、Z1、Z2、G、X、F、T不存在數(shù)據(jù)缺失的情況,且Z1、Z2、G、X、F、T不大于線路總長C。

分別計算所述N條完整數(shù)據(jù)中每條數(shù)據(jù)的Z1、Z2、G、X、F的誤差W,其中,WZ1i=(Z1i-Ti)/Ci,WZ2i=(Z2i-Ti)/Ci,WGi=(Gi-Ti)/Ci,WXi=(Xi-Ti)/Ci,WFi=(Fi-Ti)/Ci。

如圖3所示,建立第二種BP神經(jīng)網(wǎng)絡(luò)模型,將歸一化后的各類測距設(shè)備的測距結(jié)果,即Z1i/Ci、Z2i/Ci、Gi/Ci、Xi/Ci、Fi/Ci(其中i為從1到N的整數(shù))作為第二種BP神經(jīng)網(wǎng)絡(luò)模型的輸入,WZ1i、WZ2i、WGi、WXi、WFi作為第二種BP神經(jīng)網(wǎng)絡(luò)模型的期望輸出,第二種BP神經(jīng)網(wǎng)絡(luò)模型的隱含層設(shè)為一層,第二種BP神經(jīng)網(wǎng)絡(luò)模型的輸出為對應(yīng)的各類測距設(shè)備的誤差,使用MATLAB R2013b進行仿真,其中,將第二種BP神經(jīng)網(wǎng)絡(luò)模型的隱含層節(jié)點數(shù)設(shè)為6,訓(xùn)練次數(shù)設(shè)置為30000,精度設(shè)為0.00001,學(xué)習(xí)速率設(shè)為0.005。

在上述實施例中提及的BP神經(jīng)網(wǎng)絡(luò),是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系,而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程,它的學(xué)習(xí)規(guī)則是使用梯度下降法,通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使網(wǎng)絡(luò)的誤差平方和最小,其中,BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層(input)、隱含層(hidden layer)和輸出層(output layer)。

需要說明的是,在本文中,諸如“第一”和“第二”等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來,而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且,術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含,從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素,而且還包括沒有明確列出的其他要素,或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下,由語句“包括一個……”限定的要素,并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。

本領(lǐng)域技術(shù)人員在考慮說明書及實踐這里發(fā)明的公開后,將容易想到本發(fā)明的其它實施方案。本申請旨在涵蓋本發(fā)明的任何變型、用途或者適應(yīng)性變化,這些變型、用途或者適應(yīng)性變化遵循本發(fā)明的一般性原理并包括本發(fā)明未公開的本技術(shù)領(lǐng)域中的公知常識或慣用技術(shù)手段。說明書和實施例僅被視為示例性的,本發(fā)明的真正范圍和精神由下面的權(quán)利要求指出。

應(yīng)當(dāng)理解的是,本發(fā)明并不局限于上面已經(jīng)描述并在附圖中示出的精確結(jié)構(gòu),并且可以在不脫離其范圍進行各種修改和改變。本發(fā)明的范圍僅由所附的權(quán)利要求來限制。

當(dāng)前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1