CN115308465A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN115308465A
CN115308465A CN202210896935.7A CN202210896935A CN115308465A CN 115308465 A CN115308465 A CN 115308465A CN 202210896935 A CN202210896935 A CN 202210896935A CN 115308465 A CN115308465 A CN 115308465A
Authority
CN
China
Prior art keywords
power supply
neural network
data
som
potential safety
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210896935.7A
Other languages
English (en)
Inventor
徐寅飞
韩照成
潘黄萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Power Equipment Manufacturing Co Ltd
Original Assignee
Hangzhou Power Equipment Manufacturing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Power Equipment Manufacturing Co Ltd filed Critical Hangzhou Power Equipment Manufacturing Co Ltd
Priority to CN202210896935.7A priority Critical patent/CN115308465A/zh
Publication of CN115308465A publication Critical patent/CN115308465A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R15/00—Details of measuring arrangements of the types provided for in groups G01R17/00 - G01R29/00, G01R33/00 - G01R33/26 or G01R35/00
    • G01R15/14—Adaptations providing voltage or current isolation, e.g. for high-voltage or high-current networks
    • G01R15/18—Adaptations providing voltage or current isolation, e.g. for high-voltage or high-current networks using inductive devices, e.g. transformers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/0007—Frequency selective voltage or current level measuring
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/56—Testing of electric apparatus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00016—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using a wired telecommunication network or a data transmission bus
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00022—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using wireless data transmission
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明的实施例公开了一种基于BP‑SOM组合神经网络的供电安全隐患智能诊断系统及方法，涉及供电安全技术领域。所述基于BP‑SOM组合神经网络的供电安全隐患智能诊断系统包括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，监测单元包括电流互感器、电压互感器和温度传感器；监测单元用于布设在需要监控的供电设备上；传输单元采用有线传输和/或无线传输方式；报警单元包括警报灯、扬声器和/或手持终端。本发明实施例主要为日常运维中供电设备发生的安全隐患提供智能解决方案，避免人工巡检的主观性，提高检出率，降低事故率，同时，方法的设计及系统的构建更加注重适用的广泛性，便于推广。

Description

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
技术领域
本发明涉及供电安全技术领域，特别是指一种基于BP-SOM组合神经网络的供电安全隐患智能诊断系统及方法。
背景技术
供电设备作为向用户直接供电的一环，其健康状态严重影响着用户的用电质量。如何更高效的对供电设备运行状态进行评估，以及如何针对用户侧用电行为进行智能诊断是电力行业需要急迫解决的问题。近些年随着经济的快速发展，人们的生活水平有了较大提升，居民的生活用电成为电力市场中最快的增长点，但是用户电力需求的快速增加给电力系统造成了非常大的挑战。
在电力领域，电力用户产生的电力异常数据量非常大，然而，大量的异常数据缺乏有效的分析手段，且现有异常评估方法的准确性依然很低。与此同时，针对用户侧安全隐患缺乏有效的感知手段，目前主要以人工巡查为主，一些微小的安全隐患一般无法被人工巡查察觉，用户侧设备，例如小区配电房内的电力系统等，在日常运维中会产生一些变压器用电负荷过高、内部油温过热、零电量用户过多从而导致电气火灾等隐患；电力设施的丢失、被盗、损坏，配电箱、变压器等设备过度老化等情况；以及在新增对电能质量及供电可靠性有影响的大型设备时，用电负荷情况注意不及时。如果这些电力异常无法及时发现和处理，往往会给电力公司造成巨大的经济损失，并威胁到电力用户和电力系统的安全运行。
发明内容
有鉴于此，本发明实施例提供一种基于BP-SOM组合神经网络的供电安全隐患智能诊断系统及方法，避免人工巡检的主观性，提高检出率，降低事故率。
一方面，提供一种基于BP-SOM组合神经网络的供电安全隐患智能诊断系统，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。
进一步的，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。
另一方面，提供一种利用上述的基于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，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。
进一步的，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。
进一步的，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。
进一步的，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。
进一步的，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Wij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；
Figure BDA0003769434040000031
其中，Xi(t)表示t时刻原始数据Xi的值，Wij(t)表示t时刻Wij的值；
d)权值更新，调整获胜神经元的权值，见下式；
Wij(t+1)＝Wij(t)+α(t)hc，j(t)(Xi(t)-Wij(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；hc,j(t)为邻域函数，计算输出Ok＝f(minj||X-Wj||)，输出Ok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)<αmin，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αmin为事先设定的最小学习率超参数。
本发明实施例主要为日常运维中供电设备发生的安全隐患提供智能解决方案，避免人工巡检的主观性，提高检出率，降低事故率，同时，方法的设计及系统的构建更加注重适用的广泛性，便于推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明的基于BP-SOM组合神经网络的供电安全隐患智能诊断系统的电路示意图；
图2为本发明的基于BP-SOM组合神经网络的供电安全隐患智能诊断方法的流程示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
一方面，本发明实施例提供一种基于BP-SOM组合神经网络的供电安全隐患智能诊断系统，如图1所示，包括CPU处理器10，CPU处理器10连接有供电单元11、传输单元12、监测单元13和报警单元14，其中：
监测单元13包括电流互感器、电压互感器和温度传感器；监测单元13用于布设在需要监控的供电设备上；
传输单元12采用有线传输和/或无线传输方式；
报警单元14包括警报灯、扬声器和/或手持终端。
进一步的，CPU处理器10还可以连接有服务器15，以用于存储诊断结果相关数据；或者可以连接有用于使需要监控的供电设备切断电路的脱扣器16；或者可以连接有GPS定位器17，以用于提供该系统的位置信息。
使用时，监测单元13分布在需要监控的供电设备上，电流互感器、电压互感器、温度传感器所采集的数据通过传输单元12传送至CPU处理器10，CPU处理器10通过后续的算法对采集到的监测值进行计算，输出监测结果，并根据最终的分类结果做出是否打开脱扣器16，并启动报警的处理。
另一方面，本发明实施例提供一种利用上述基于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，如图2所示，该方法包括：
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；
本步骤中，偏离点包含由节假日、人为操作失误、设备故障、网络原因等导致信息缺失或者工作停止状态，从而产生的偏离数据。
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；
作为一种可选的实施例，所述步骤4还可以包括：
CPU处理器将结果及位置数据上传至服务器。
步骤5：若出现异常及风险，CPU处理器发出预警信号。
作为一种可选的实施例，所述步骤5还可以包括：
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。
本发明实施例中，所述BP-SOM组合神经网络模型的构建方法优选包括：构建BP神经网络；
BP神经网络：是一种按误差逆传播算法训练的多层前馈网络，正向传播时，输入样本从输入层传入,经各隐藏层逐层处理后,传向输出层。若输出层的实际输出与期望的输出不符,则转入误差的反向传播阶段。反向传播时，将输出以某种形式通过隐藏层向输入层逐层反传,并将误差分摊给各层的所有单元,从而获得各层单元的误差信号,此误差信号即作为修正各单元权值的依据。
BP神经网络的构建，旨在通过实时采集的三相电流、三相电压、四线温度数据，得到其与漏电流之间的关系，从而准确得到漏电流值，为后续进行SOM诊断分类提供基础。
所述构建BP神经网络，可以包括以下步骤：
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(例如各15000组)，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；
具体的，误差函数可以为：
Figure BDA0003769434040000061
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。
进一步的，所述BP-SOM组合神经网络模型的构建方法还优选包括：构建SOM神经网络；
SOM神经网络：通过学习输入空间中的数据，生成一个低维、离散的映射，从某种程度上也可看成一种降维算法。SOM是一种无监督的人工神经网络。不同于一般神经网络基于损失函数的反向传递来训练，它运用竞争学习策略,依靠神经元之间互相竞争逐步优化网络。且使用近邻关系函数来维持输入空间的拓扑结构。
SOM神经网络的构建，旨在通过输入特征漏电流，以及相邻时刻的四线温度差来对供电设备安全隐患类型进行分类。
所述构建SOM神经网络，可以包括以下步骤：
a)初始化，对SOM中神经元的初始权值Wij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；
具体的，可以将向量X＝(x1,x2,x3,…,xm)T输入至输入层，其中xi表示原始数据中对应位置的具体数值。
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；
Figure BDA0003769434040000071
其中，Xi(t)表示t时刻原始数据Xi的值，Wij(t)表示t时刻Wij的值；
d)权值更新，调整获胜神经元的权值，见下式；
Wij(t+1)＝Wij(t)+α(t)hc，j(t)(Xi(t)-Wij(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；hc,j(t)为邻域函数，计算输出Ok＝f(minj||X-Wj||)，输出Ok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)<αmin，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αmin为事先设定的最小学习率超参数。
综上，本发明实施例中的系统采用了BP-SOM组合神经网络，BP神经网络输出漏电流结果，作为SOM神经网络输入的一部分，输出隐患分类，但过大的漏电流会引起安全事故，因此当BP神经网络输出漏电流超出设定阈值时，则启动安全处理，即CPU处理器控制脱扣器切断电路，控制报警灯及扬声器工作，避免无关人员靠近，并向工作人员手持终端以及服务器发出信号预警及故障位置。前述阈值可根据不同的环境条件，工作要求等进行设定。当BP神经网络的输出没有超出阈值，则继续SOM计算，根据分类结果，若数据分类属于正常状态，则设备正常运行，不做处理，若数据分类为异常，严重的状态，则CPU处理器控制脱扣器切断电路，控制报警灯及扬声器工作，避免无关人员靠近，并向工作人员手持终端以及服务器发出信号预警及故障位置，若数据分类属于注意的状态，则处理器控制报警灯及扬声器工作，并向工作人员手持终端以及服务器发出信号预警及故障位置。此外CPU处理器将采集到的初始数据、位置数据以及计算结果传输至服务器进行储存。
本发明实施例中，BP神经网络输出的是漏电流值，SOM神经网络输出的是隐患分类：包含正常、注意、异常、以及严重四种状态。
为了验证本发明提出的方法的有效性，对训练后的BP-SOM模型在前面划分的测试集上进行了测试，采用在分类任务中常用的分类准确率指标：
Figure BDA0003769434040000081
其中，T表示测试数据集中的数据总数，A表示测试数据集中预测正确的数据总数，acc表示准确率。最终得到的测试结果高达96％，达到了应用的水平。
本发明实施例的有益效果为：
本发明实施例通过软硬件结合的方式，准确便捷的对供电设备的安全状态进行实时监测。采用BP-SOM组合神经网络对设备运行状态进行分类，尤其将采集到的温度值作为BP神经网络的输入特征之一，将相邻时刻的温度差作为SOM神经网络的输入，增强了温度与漏电流数值的相关性，使得分类更准确，降低了误检率。
本发明实施例能够有效减少人力和物力资源的浪费，对于安全隐患的巡查发现及时，相比于人工巡查，具有更高的准确性，并且可以对未发生的安全隐患进行预测，对保障用户用电安全有着重要的意义。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (7)

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Wij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；
Figure FDA0003769434030000031
其中，Xi(t)表示t时刻原始数据Xi的值，Wij(t)表示t时刻Wij的值；
d)权值更新，调整获胜神经元的权值，见下式；
Wij(t+1)＝Wij(t)+α(t)hc，j(t)(Xi(t)-Wij(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；hc，j(t)为邻域函数，计算输出Ok＝f(minj||X-Wj||)，输出Ok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)＜αmin，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αmin为事先设定的最小学习率超参数。
CN202210896935.7A 2022-07-28 2022-07-28 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 Pending CN115308465A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210896935.7A CN115308465A (zh) 2022-07-28 2022-07-28 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210896935.7A CN115308465A (zh) 2022-07-28 2022-07-28 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

Publications (1)

Publication Number Publication Date
CN115308465A true CN115308465A (zh) 2022-11-08

Family

ID=83859354

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210896935.7A Pending CN115308465A (zh) 2022-07-28 2022-07-28 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

Country Status (1)

Country Link
CN (1) CN115308465A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116566048A (zh) * 2023-05-06 2023-08-08 浙江鲲游科技有限公司 一种智慧用电安全监测系统
CN116846085A (zh) * 2023-09-04 2023-10-03 山西绿柳科技有限公司 一种自感知监测智能化配电箱控制系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116566048A (zh) * 2023-05-06 2023-08-08 浙江鲲游科技有限公司 一种智慧用电安全监测系统
CN116846085A (zh) * 2023-09-04 2023-10-03 山西绿柳科技有限公司 一种自感知监测智能化配电箱控制系统

Similar Documents

Publication Publication Date Title
CN106529696B (zh) 一种电网中设备预警方法及预警装置
CN115308465A (zh) 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
CN108320043A (zh) 一种基于电力大数据的配电网设备状态诊断预测方法
CN114169237B (zh) 结合eemd-lstm及孤立森林算法的电力电缆接头温度异常预警方法
CN106997513A (zh) 基于大数据分析的配网设备状态评价系统
CN113687160B (zh) 用于站用交流回路预警的方法、装置、终端及系统
CN102930408B (zh) 一种基于信息融合的750kV电网二次设备状态评估方法
CN116050599A (zh) 一种线路覆冰故障预测方法、系统、存储介质及设备
CN116125204A (zh) 一种基于电网数字化的故障预测系统
CN105205732A (zh) 一种基于设备风险特征模型的风险评估和检修方法
CN106651206A (zh) 一种继电保护测试性评估指标体系的评估方法
CN112084661B (zh) 一种风电机组变流器水冷系统冷却状态评估预警方法
CN110674240B (zh) 一种基于gis的电力设备分布式多级智能故障诊断系统
CN109635430A (zh) 电网输电线路暂态信号监测方法和系统
CN117609861A (zh) 一种可用于变电站电气设备温度预测的bp神经网络算法和测温系统
CN117612345A (zh) 一种电力设备状态监测报警系统及方法
CN117394535A (zh) 交直流混合配电网数字孪生系统
CN104598969A (zh) 一种基于神经网络的高压电器运行质量评估方法及系统
CN116488351A (zh) 一种基于物联网的低压配电箱远程监控方法和系统
CN116308299A (zh) 一种站房设备风险评估方法及装置
Tippannavar et al. Smart transformer-An analysis of recent technologies for monitoring transformer
CN115224684A (zh) 基于免疫危险理论的智能配电网风险状态辨识方法及系统
CN115037054A (zh) 基于三相自平衡、低压故障定位隔离的换相开关智能终端
Zhang et al. Classification of building electrical system faults based on Probabilistic Neural Networks
Gao et al. A Novel Concept of Artificial Intelligence Utilization in Electrical Safety Intelligent Management System

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination