基于bp神经网络的介损值预测方法

《基于bp神经网络的介损值预测方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于BP神经网络的介损值预测方法【摘要】通过对BP网络模型和学习算法的研究，深入分析了BP网络在函数预测方面的优点，确定了用BP网络来实现对容性设备介质损耗值的预测。【关键词】介损值;BP算法;人工神经网络1.引言当前的电容型电气设备绝缘在线监测与诊断还停留在一个简单处理数据的层次上，如果能够结合先进的数学工具进行分析，将有助于提高监测与诊断的应用水平。模糊数学、专家系统、神经网络、灰关联分析等理论在电气设备的绝缘监测与诊断方面已经有了广泛的应用，并提供较完备的知识与信息，提高了绝缘监测与诊断的准确性。14大量停电试验和专门

2、试验的介损值结果统计分析表明，介损值会对温度的变化较为敏感，环境的湿度对介损值也会有影响。在分析了各种因素影响介损值的基础上，文献[6]提出了基于人工神经网络的电容型电气设备的绝缘状况的预测方法。人工神经网络方法能够根据大量的故障机理研究以及经验性的直觉知识归纳出典型样本，通过对神经网络内部的竞争达到问题的求解，从本质上模拟专家的直觉。在此基础上本文提出了基于人工神经网络的电容型电气设备的介损值的预测方法，以BP神经网络作为主要的研究方法。BP网络的预测结果的准确与否取决于学习样本的优劣，本文根据实际情况选取了神经网络的学习

3、样本并进行了仿真，结果表明该预测方法的误差满足工程误差的要求，基于人工神经网络的介质损耗值的预测方法是可行的、正确的和有效的。2.基于BP神经网络预测方法的确定人工神经网络的模型有数十种，可分为三大类：前向网络、反馈网络和自适应网络。但在人工神经网络的实际应用中，绝大部分的神经网络模型都采用BP网络及其变化形式。BP（BackPropagation）网络是一种多层前馈型神经网络，其神经元的传递函数是S型函数，输出量为0到1之间的连续量，它可以实现从输入到输出的任意非线性映射。BP神经网络的主要优点：（1）BP神经网络具有分布

4、式信息存储能力;（2）BP神经网络的容错性和大规模并行处理能力;（3）BP神经网络具有自学习、自组织和自适应能力;（4）BP神经网络是大量神经元的集体行为，表现出一般复杂非线性系统的特性;（5）BP神经网络可以处理一些环境信息十分复杂、知识背景不清楚和推理规则不明确的问题。基于以上优点，本文选用BP神经网络作为主要研究方法。3.BP算法基本思想和网络的基本结构14BP神经网络是一个多层前馈神经网络，包括了输入层、隐层和输出层。这种网络在输入层和输出层之间至少有一个隐含层，每一个神经元结点都与其后一层的结点相连接，但是没有后层

5、结点向前层结点的反馈连接。BP网络具有结构简单、可靠性强的优点，能够满足工业应用的需要，而且有关网络的机理和算法的研究都很丰富，是众多网络中最为成熟，应用最为广泛的一种，是复杂系统建模的优秀工具。BP算法的基本思想：当一对学习样本提供给网络后，神经元的激活值从输入层经隐层向输出层传播，在输出层的各神经元获得网络的输入响应。接下来，按照减少目标输出与实际误差的方向，从输出层经过各隐层逐层修正各连接权值，最后回到输出层，这种算法为“误差逆传播算法”。随着这种误差逆的传播修正不断进行，网络对输入模式响应的正确率也不断升高。三层前馈

6、网络中，输入向量为X=（x1，x2，14……，xi，……，xn）T;隐层输出向量为Y=（y1，y2，……，yj，……，ym）;输出层输出向量为O=（o1，o2，……，ok，……，ol）T;期望输出向量为d=（d1，d2，……，dk，……，dl）T。输入层到隐层之间的权值矩阵用V表示，V=（v1，v2，……，vj，vm），其中列向量Vj为隐层第j个神经元对应的权向量;隐层到输出层之间的权值矩阵用W表示，W=（W1，W2，……，Wk，……，Wl），其中列向量Wk为输出层第k个神经元对应的权向量。如图3-1所示。对输出层，有Ok=

7、f（netk）k=1，2，…，l（1）netk=k=1，2，…，l（2）对于隐层，有yj=f（netj）j=1，2，…，m（3）netj=j=1，2，…，m（4）以上两式中，转移函数f（x）均为单极性（或双极性）sigmoid函数，f（x）具有连续、可导的特点。式（3.1）到式（3.4）共同构成了三层前馈网的数学模型。图1三层BP网络三层前馈网络的BP学习算法权值调整计算公式为：（5）（6）其中：（7）对于一般多层前馈网，设共有h个隐层，按前向顺序各隐层节点数分别记为m1，m2，…，mh，各隐层输出分别记为y1，y2，…，y

8、h，各层权值矩阵分别记为W1，W2，…，Wh，Wh+1，则各层权值调整计算公式为：输出层：j=0，1，…，mh;k=1，2，…（8）14第h隐层：i=0，1，…，mh-1;j=1，2，…，mh（9）按以上规律逐层类推.则第一隐层权值调整计算公式：　　p=0，1，…，n;j=1，2，…，m1