一种改进的电力系统不良数据辨识方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107689015A(43)申请公布日2018.02.13(21)申请号201710686221.2(22)申请日2017.08.11(71)申请人国家电网公司地址100031北京市西城区西长安街86号申请人国网湖南省电力公司国网湖南省电力公司检修公司(72)发明人梁运华潘志敏罗志平宋兴荣程莹(74)专利代理机构湖南兆弘专利事务所(普通合伙)43008代理人谭武艺(51)Int.Cl.G06Q50/06(2012.01)G06N3/04(2006.01)权利要求书2页说明书5页附图2页(54)发明名称一种改进的电力系统不良数据辨识方法(57)摘要本发明公开了一种改进的电力系统不良数据辨识方法，实施步骤包括：预先将多个电力设备的量测数据进行规整化后作为输入、量测数据中的不良数据作为输出构建训练数据集，所述规整化具体是指将倒谱均值减法、数据归整方法结合进行规整化，通过训练数据集训练循环神经网络；在应用时，将被测电力设备的量测数据构建测试数据集，将测试数据集进行相同的规整化后输入训练好的循环神经网络，得到被测电力设备对应的不良数据辨识结果。本发明弱化采集的电力数据的物理意义，最大程度上的保留了特征信息，提高了数据辨识能力，具有辨识准确度高、可扩展性强、性能好、效率高的优点。CN107689015ACN107689015A权利要求书1/2页1.一种改进的电力系统不良数据辨识方法，其特征在于实施步骤包括：1)预先将多个电力设备的量测数据进行规整化后作为输入、量测数据中的不良数据作为输出构建训练数据集，所述规整化具体是指将倒谱均值减法、数据归整方法结合进行规整化，通过训练数据集训练循环神经网络；2)将被测电力设备的量测数据构建测试数据集，将测试数据集进行相同的规整化后输入训练好的循环神经网络，得到被测电力设备对应的不良数据辨识结果。2.根据权利要求1所述的改进的电力系统不良数据辨识方法，其特征在于，步骤1)中将倒谱均值减法、数据归整方法结合进行规整化的函数表达式如式(1)所示；式(1)中，为第i个采集数据xi的规整化结果，xavg为N个采集数据的均值，σ为均方差，N为采集数据的数量，均值xavg的函数表达式如式(2)所示，均方差σ的函数表达式如式(3)所示；式(2)和式(3)中，xavg为采集数据xi的均值，σ为均方差，xi为第i个参数数据，N为采集数据的数量。3.根据权利要求1所述的改进的电力系统不良数据辨识方法，其特征在于，所述循环神经网络为三层循环神经网络，所述三层循环神经网络包括输入层、隐藏层和输出层。4.根据权利要求3所述的改进的电力系统不良数据辨识方法，其特征在于，所述三层循环神经网络的隐藏层在任意t时刻的激活值如式(4)所示；s(t)＝f(Uw(t)+Ws(t-1))(4)式(4)中，s(t)为隐藏层在任意t时刻的激活值，f为激活函数，U为输入层和隐藏层的连接矩阵，W为隐藏层之间的连接矩阵，w(t)为t时刻的输入层输入值，s(t-1)为t-1时刻的隐藏层激活值。5.根据权利要求4所述的改进的电力系统不良数据辨识方法，其特征在于，输入层和隐藏层的连接矩阵、隐藏层之间的连接矩阵的更新方式如式(5)所示；式(5)中，W(t+1)为t+1时刻的隐藏层之间的连接矩阵W，W(t)为t时刻的隐藏层之间的连接矩阵W，α为学习速率，s(t)为t时刻的隐藏层激活值，eh(t)为t时刻输出层误差回传到隐藏层的误差，误差eh(t)的函数表达式如式(6)所示；Teh(t)＝eo(t)Vs(t)(1-s(t))(6)式(6)中，eh(t)为t时刻输出层误差回传到隐藏层的误差，eo(t)为t时刻输出层误差，V为隐藏层和输出层之间的连接矩阵，s(t)为隐藏层在任意t时刻的激活值；t时刻输出层误差eo(t)的函数表达式如式(7)所示；2CN107689015A权利要求书2/2页eo(t)＝d(t)-y(t)(7)式(7)中，eo(t)为t时刻输出层误差，d(t)为t时刻输出层的实际输出，y(t)为t时刻输出层的激活值。6.根据权利要求5所述的改进的电力系统不良数据辨识方法，其特征在于，隐藏层和输出层之间的连接矩阵的更新方式采用如式(8)所示的随机梯度上升方法；TV(t+1)＝V(t)+αs(t)eo(t)(8)式(8)中，V(t+1)为t+1时刻的隐藏层和输出层之间的连接矩阵V，V(t)为t时刻的隐藏层和输出层之间的连接矩阵V，α为学习速率，s(t)为t时刻的隐藏层激活值，eo(t)为t时刻输出层误差。7.根据权利要求6所述的改进的电力系统不良数据辨识方法，其特征在于，所述三层循环神经网络的输出层采用softmax分类器，所述输出层的激活值的函数表达式如式(9)所示；y(t)＝so