基于SOM神經(jīng)網(wǎng)絡的電能質(zhì)量綜合評估

別威 田麗

摘?要：提出SOM神經(jīng)網(wǎng)絡的電能質(zhì)量綜合評估方法，討論實測綜合數(shù)據(jù)排名和等級劃分.實證結果表明，SOM神經(jīng)網(wǎng)絡方法對電能質(zhì)量綜合評估有效.

關鍵詞：SOM神經(jīng)網(wǎng)絡;電能質(zhì)量;MATLAB

[中圖分類號]TM71???[文獻標志碼]A

Synthetic Evaluation of Power Quality Based onSOM Neural Network

BIE Wei ，TIAN Li

（School of Electrical Engineering， Anhui University of Engineering， Wuhu 241000， China）

Abstract：This thesis proposes a comprehensive evaluation method of power quality for SOM neural network， and discusses the ranking and ranking of measured comprehensive data. The empirical results show that the SOM neural network method is effective for comprehensive evaluation of power quality.

Key words：SOM neural network; power quality; MATLAB

隨著電能質(zhì)量綜合評估指標的逐步提高，電能質(zhì)量綜合評價呈現(xiàn)出高度復雜的非線性特征.人工神經(jīng)網(wǎng)絡ANN（Artificial Neural Network）[1-5]模型具有較強的自適應能力、較低的工作量和較快的更新速度.通過神經(jīng)元函數(shù)的簡單復合，可以逼近有界子集上的任何非線性函數(shù).SOM神經(jīng)網(wǎng)絡輸入信號的拓撲分布，能在一維或二維的處理單元陣列上表示，其訓練數(shù)據(jù)可滿足電能質(zhì)量分類的要求，并根據(jù)聚類結果區(qū)分優(yōu)缺點.因此，本文使用人工神經(jīng)網(wǎng)絡進行電能質(zhì)量綜合評價，對于改進電能質(zhì)量的綜合評價方法具有重要意義.

1?SOM神經(jīng)網(wǎng)絡電能質(zhì)量評估模型與等級標準

1.1?SOM神經(jīng)網(wǎng)絡學習算法

自組織特征映射算法用來檢測數(shù)據(jù)的相似性，是一個可以配置為有選擇反映輸入數(shù)據(jù)的網(wǎng)絡.

第一步?網(wǎng)絡初始化

網(wǎng)絡的初始化包括輸入層和映射層之間權值的初始化.輸入神經(jīng)元m的數(shù)量連接到競爭層的神經(jīng)元，被賦予較小的權值.定義一個集合，輸出神經(jīng)j的“鄰接神經(jīng)元”（Si），t=0時神經(jīng)元j的集合為（Sj（0）），t時刻“鄰接神經(jīng)元”的集合為（Sj（t）），且區(qū)域Sj（t）隨著時間變化為一個單調(diào)遞減的函數(shù).

第二步?輸入向量

輸入向量X=（x1，x2，x3，…，xm）T到輸入層.

第三步?計算權重與輸入向量的距離

dj=‖X-Wj‖=∑mi=1（xi（t）-wij（t））2.（1）

距離最小神經(jīng)元為j*，在單元k確定情況下，則需要滿足對于任何單位都存在dk=minj（dj）的鄰接神經(jīng)元集合.

第四步?學習權值

Δw=wij（t+1）-wij（t）???=η（t）（xi（t）-wij（t））.（2）

η（t）=1t或η（t）=0.2（1-110 000）.（3）

η大于0且小于1的常數(shù)隨著時間逐漸減小.

第五步?計算輸出O k

O k=f（minj‖X-Wj‖）.（4）

對f（*）通常是0～1函數(shù)或其他非線性函數(shù).

如果滿足要求，算法結束;否則返回步驟（2），繼續(xù)下一輪學習.

1.2?建立SOM神經(jīng)網(wǎng)絡模型

建立評估模型.選定電能質(zhì)量的評估指標，對輸出最大的神經(jīng)元標記進行標記，將待測樣本輸入SOM神經(jīng)網(wǎng)絡，確定分界樣本的模型輸出值，評估電能質(zhì)量綜合指標.

1.3?電能質(zhì)量評估的選定與分級處理

本文采用以下指標進行分類：供電電壓允許偏差[6]、電力系統(tǒng)頻率偏差[7]、電壓波動和閃變[8]、三相電壓允許不平衡度[9]、公用電網(wǎng)諧波[10].數(shù)據(jù)標準見表1.根據(jù)國家標準體系的規(guī)定，將電能質(zhì)量五項指標綜合評價分為九個層次[11]，等級1到等級5代表電能質(zhì)量合格，級別6到9代表不合格.當質(zhì)量為可接受的范圍時，可以更精細檢查電能質(zhì)量，而當質(zhì)量不合格時，可以對進行廣泛測試以發(fā)現(xiàn)問題.

表1中，電壓波動X2括號內(nèi)是隨機不規(guī)則波動時的極限，長時間閃變限值在電壓閃變X3的括號內(nèi);X5是短時間范圍內(nèi)的三相電壓允許不平衡度的極限值;X6括號內(nèi)代表著系統(tǒng)容量放寬后的極限值.

2?應用案例

采用SOM神經(jīng)網(wǎng)絡電能質(zhì)量評估模型，分析某變電站110 kV電能質(zhì)量測試數(shù)據(jù).數(shù)據(jù)來源：10組文獻數(shù)據(jù)，5組某電力公司變電站2016年5個監(jiān)測點的電能質(zhì)量實測數(shù)據(jù).[12]數(shù)據(jù)整理匯總表見2.其中，X1～ X6代表 6項電能質(zhì)量指標，見表2和表3.

表3中的數(shù)據(jù)用SOM神經(jīng)網(wǎng)絡的MATLAB仿真實現(xiàn)模擬，得到其類聚結果見表4.當訓練步數(shù)為10時，級別1，2和5為一個類別，級別3，4，6，7為一類.可以看出，SOM神經(jīng)網(wǎng)絡在對樣本數(shù)據(jù)的處理上具有分類的作用.要想把8個等級都分出來，顯然不夠精確，訓練步數(shù)需要增加.

當訓練步數(shù)為200時，每個等級都被劃分為一類，劃分更加精細了.當訓練步數(shù)為500和1 000時，獲得相同的結果，并且每個級別被分成為一個級別，所以也就沒有再提高訓練步數(shù)的必

要.圖1顯示了SOM神經(jīng)網(wǎng)絡的拓撲結構，圖2顯示了臨近神經(jīng)元直接距離，圖3為SOM神經(jīng)網(wǎng)絡權重位置，圖4顯示了每個神經(jīng)元的分類.

仿真圖形4中顯示1的部分代表在訓練過程中獲勝的神經(jīng)元.利用MATLAB的仿真功能，對表3數(shù)據(jù)進行模擬分析，各監(jiān)測點電能質(zhì)量組合綜合評價情況與等級的排名見表5.

3?結論

本文提出了一種電能質(zhì)量綜合評估方法，可以客觀、全面地評估電能質(zhì)量.在沒有授權的情況下，神經(jīng)網(wǎng)絡訓練可以客觀地反映評估指標之間的內(nèi)在聯(lián)系.案例數(shù)據(jù)分析表明，基于SOM神經(jīng)網(wǎng)絡的電能質(zhì)量綜合評估方法在理論和實踐上具有一定的可行性.

參考文獻

[1]劉穎英.智能化電能質(zhì)量綜合評估方法分析與比較研究[D].北京：華北電力大學，2007.

[2]周林，栗秋華，劉華勇，等.用模糊神經(jīng)網(wǎng)絡模型評估電能質(zhì)量[J].高電壓技術，2007（9）：66-69.

[3]李敬德，康維新.基于信息熵和BP神經(jīng)網(wǎng)絡的信號奇異點智能檢測[J].牡丹江師范學院學報：自然科學版，2017（4）：1-5+43.

[4]商玉萍，韋晨珺娃，李超.我國能源生產(chǎn)總量組合預測研究[J].牡丹江師范學院學報：自然科學版，2018（1）：10-13.

[5]王小川，史峰，郁磊，等.MATLAB神經(jīng)網(wǎng)絡43個案例分析[M].北京：北京航空航天大學出版社，2013.

[6]國家技術監(jiān)督局GB/T12325-2008，電能質(zhì)量.供電電壓偏差[S].北京：中國標準出版社，2008.

[7]國家技術監(jiān)督局GB/T15945-2008，電能質(zhì)量.電力系統(tǒng)頻率偏差[S].北京：中國標準出版社，2008.

[8]國家技術監(jiān)督局GB/T12326-2008，電能質(zhì)量.電壓波動和閃變[S].北京：中國標準出版社，2008.

[9]國家技術監(jiān)督局GB/T15543-2008，電能質(zhì)量.三相不平衡[S].北京：中國標準出版社，2008.

[10]國家技術監(jiān)督局GB/T14549-1993，電能質(zhì)量.公用電網(wǎng)諧波[S].北京：中國標準出版社，2008.

[11]周林，栗秋華，劉華勇，等.用模糊神經(jīng)網(wǎng)絡模型評估電能質(zhì)量[J].高電壓技術，2007（9）：66-69.

[12]賀仁茜.電能質(zhì)量組合綜合評價方法的研究[D].重慶：重慶郵電大學，2017.

編輯：琳莉