基于模糊输出BP神经网络的绝缘子等值盐密参预测

等值盐密法是衡量绝缘子污秽状态常用的方法,但是,它却不能实时地对污秽状态进行评估.首先对3种常用悬式绝缘子进行人工污秽试验,利用泄漏电流测量系统记录其在运行电压作用下、不同等值盐密、不同相对湿度时的泄漏电流波形并对此进行分析;采用神经网络和模糊数学结合的方法,建立了不同湿度下泄漏电流和等值盐密的关系.选取了具有模糊输出的多层BP神经网络,使用Levenberg-Marquardt快速学习算法对存文建立的模糊输出神经网络进行了训练.最后,利用部分试验数据进行验证.结果表明,使用该方法能够较准确地预测绝缘子的等值盐密.     

基于模糊输出BP神经网络的绝缘子等值盐密预测

等值盐密法是衡量绝缘子污秽状态常用的方法,但是,它却不能实时地对污秽状态进行评估。首先对3种常用悬式绝缘子进行人工污秽试验,利用泄漏电流测量系统记录其在运行电压作用下、不同等值盐密、不同相对湿度时的泄漏电流波形并对此进行分析;采用神经网络和模糊数学结合的方法,建立了不同湿度下泄漏电流和等值盐密的关系。选取了具有模糊输出的多层BP神经网络,使用Levenberg-Marquardt快速学习算法对存文建立的模糊输出神经网络进行了训练。最后,利用部分试验数据进行验证。结果表明,使用该方法能够较准确地预测绝缘子的等值盐密。     

基于BP人工神经网络的绝缘子等值附盐密度预测

等值附盐密度是确定污秽等级和绘制电网污区分布图的主要依据,但是,它易受测量用水量的影响,且测量只能在停电状态下进行.通过对3种常用悬式绝缘子进行人工污秽试验,采用BP人工神经网络的方法,建立了以泄漏电流最大值、泄漏电流5个脉冲主成分、环境湿度、温度等8个变量作为输入参数,等值附盐密度作为输出参数的智能预测模型.使用Levenberg-Marquardt快速学习算法对建立的神经网络进行训练.其试验数据验证了该方法的可行性.