一種改進bp神經(jīng)網(wǎng)絡的輸電線路無線電干擾預測方法
【技術領域】：
[0001] 本發(fā)明涉及一種無線電干擾預測方法，更具體涉及一種改進BP神經(jīng)網(wǎng)絡的輸電 線路無線電干擾預測方法。
【背景技術】：
[0002] 隨著輸電線路電壓等級的提高，輸電線路產(chǎn)生的無線電干擾引起了人們的廣泛關 注。減少輸電線路電磁環(huán)境影響，降低線路周邊無線電干擾是各國設計工作者一直研究的 工作，而如何對線路無線電干擾進行準確預測是研究工作的前提。目前，輸電線路無線電干 擾是根據(jù)CISPR推薦的經(jīng)驗公式法和激發(fā)函數(shù)法進行預測。但是，無線電干擾產(chǎn)生的機理 很復雜，受電壓、電流、導線截面、導線布置、氣象條件等眾多因素影響，是很復雜的非線性 變化過程。
[0003] CISPR推薦了輸電線路無線電干擾的兩種計算方法，即經(jīng)驗法和激發(fā)函數(shù)法。經(jīng)驗 法只適合于4分裂導線及以下的高壓線路無線電干擾計算，而激發(fā)函數(shù)法適合于所有高壓 輸電線路的無線電干擾計算。由于輸電線路無線電干擾的大小還受環(huán)境及地理位置因素的 影響，而這些影響因素對無線電干擾值的影響表現(xiàn)出高度的非線性和不確定性，面臨適用 條件的約束、預測誤差偏大，在實際線路設計中應用時將會受到一定程度的限制。
[0004] 人工神經(jīng)網(wǎng)絡是通過對人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)、活動機制、功能及信息處理機理的 認識，由大量功能比較簡單的形式神經(jīng)元相互連接構(gòu)成的復雜的、新型的信息處理網(wǎng)絡。它 具有很多與人類智能相似的特點，諸如結(jié)構(gòu)與處理的并行性，知識分布存儲，很強的容錯 性，魯棒性和自學習、自適應、自組織能力，通過學習具備適應外界環(huán)境的能力，模式識別能 力和綜合推理能力等。
[0005] BP神經(jīng)網(wǎng)絡具有大規(guī)模分布式并行處理、非線性、自組織、自學習、聯(lián)想記憶等優(yōu) 良特性，因此對復雜的非線性問題具有較好的描述能力；應用BP神經(jīng)網(wǎng)絡通過樣本學習可 以掌握無線電干擾值與其影響因素之間的復雜非線性關系，這種關系與傳統(tǒng)的高度簡化了 的函數(shù)關系相比更加接近實際?；贐P神經(jīng)網(wǎng)絡的預測方法能準確、快速地預測高壓輸電 線路的無線電干擾值，節(jié)約大量的人力、物力。
[0006] 遺傳算法（Genetic Algorithm,GA)是近幾年發(fā)展起來的一種新的全局優(yōu)化算法， 它借用生物遺傳學的觀點，通過自然選擇、遺傳、變異等作用機制，實現(xiàn)了各個個體的適應 性的提高。用遺傳算法解決問題時，首先要對待解決問題的模型結(jié)構(gòu)和參數(shù)進行編碼，一般 用字符串表示，這個過程就將問題符號化、離散化了。
[0007] 模擬退火算法（Simulated Annealing, SA)來源于固體退火原理，先隨機產(chǎn)生一個 解，對當前解重復"產(chǎn)生新解-計算目標函數(shù)差-接受或舍棄"的迭代，如果新解的函數(shù)差 小，則用新解代替舊解，否則也不是絕對舍棄，而是以一定的概率來接受它，正是這一點，使 得模擬退火算法比遺傳算法得到最優(yōu)解更具有全局性。

【發(fā)明內(nèi)容】
：
[0008] 本發(fā)明的目的是提供一種改進BP神經(jīng)網(wǎng)絡的輸電線路無線電干擾預測方法，該 方法較高的預測精度，收斂性好，穩(wěn)定性強，避免BP神經(jīng)網(wǎng)絡陷入局部極小點的問題，對輸 電線路無線電干擾預測及降低無線電干擾研究具有很好的指導意義。
[0009] 為實現(xiàn)上述目的，本發(fā)明采用以下技術方案：一種改進BP神經(jīng)網(wǎng)絡的輸電線路無 線電干擾預測方法，包括以下步驟：
[0010] (1)獲取數(shù)據(jù)參數(shù)并預處理；
[0011] (2)建立數(shù)據(jù)參數(shù)的的BP神經(jīng)網(wǎng)絡預測模型；
[0012] (3)采用遺傳算法和模擬退火算法改進BP神經(jīng)網(wǎng)絡進行訓練和測試；
[0013] (4)通過改進后的BP神經(jīng)網(wǎng)絡對輸電線路無線電干擾進行預測。
[0014] 本發(fā)明提供的一種改進BP神經(jīng)網(wǎng)絡的輸電線路無線電干擾預測方法，所述步驟 (1)中的數(shù)據(jù)參數(shù)包括輸電線路的電壓、導線直徑、導線截面、分裂數(shù)、分裂間距、導線對地 距離、導線距測量點距離、溫度、濕度、風速、氣壓、海拔和背景噪聲。
[0015] 本發(fā)明提供的一種改進BP神經(jīng)網(wǎng)絡的輸電線路無線電干擾預測方法，所述步驟 (1)中的預處理步驟為：將所述數(shù)據(jù)參數(shù)歸一化預處理，將所述數(shù)據(jù)參數(shù)歸一化到[-1，1] 區(qū)間內(nèi)。
[0016] 本發(fā)明提供的另一優(yōu)選的一種改進BP神經(jīng)網(wǎng)絡的輸電線路無線電干擾預測方 法，所述步驟（2)中BP神經(jīng)網(wǎng)絡的建立步驟為：
[0017] (2-1)選擇神經(jīng)網(wǎng)絡的前饋網(wǎng)絡模型包括輸入層、隱含層和輸出層；
[0018] (2-2)根據(jù)輸入輸出數(shù)據(jù)參數(shù)的維數(shù)，確定BP神經(jīng)網(wǎng)絡隱含層神經(jīng)元數(shù)，再通過 網(wǎng)絡訓練結(jié)果的性能進行調(diào)整；
[0019] (2-3)設置權值和閾值，所述權值和閾值的初始值采用（-0. 1，0. 1)的隨機數(shù)。
[0020] 本發(fā)明提供的再一優(yōu)選的一種改進BP神經(jīng)網(wǎng)絡的輸電線路無線電干擾預測方 法，所述步驟中（3)采用遺傳算法和模擬退火算法改進BP神經(jīng)網(wǎng)絡進行訓練和測試的步驟 為：
[0021] (3-1)正向傳播過程，將輸入變量數(shù)據(jù)參數(shù)的信息通過所述輸入層，經(jīng)所述隱含層 處理并計算每個單元的實際輸出值；
[0022] (3-2)反向傳播過程，如所述輸出層未能得到期望的輸出值，計算實際輸出與期望 輸出之差值，并根據(jù)所述遺傳算法和模擬退火算法控制此差值逐層遞歸調(diào)節(jié)權值和閾值， 使所述差值逐漸減小，直到滿足精度要求。
[0023] 本發(fā)明提供的又一優(yōu)選的一種改進BP神經(jīng)網(wǎng)絡的輸電線路無線電干擾預測方 法，所述步驟（4)中對輸電線路無線電干擾進行預測步驟為：
[0024] (4-1)將輸入數(shù)據(jù)參數(shù)進行歸一化處理，歸一化后輸入改進的所述BP神經(jīng)網(wǎng)絡進 行預測，得到歸一化的預測結(jié)果；
[0025] (4-2)將所述預測結(jié)果進行反歸一化，得到高壓所述輸電線路無線電干擾預測值。
[0026] 本發(fā)明提供的又一優(yōu)選的一種改進BP神經(jīng)網(wǎng)絡的輸電線路無線電干擾預測方 法，
[0027] 所述BP神經(jīng)網(wǎng)絡通過S型激活函數(shù)建立BP網(wǎng)絡輸入與輸出關系；
[0028] 輸入 net = X1Wjx2W2+...+xnwn ;
[0029] 輸出
【主權項】
1. 一種改進BP神經(jīng)網(wǎng)絡的輸電線路無線電干擾預測方法，其特征在于：包括以下步 驟： (1) 獲取數(shù)據(jù)參數(shù)并預處理； (2) 建立數(shù)據(jù)參數(shù)的的BP神經(jīng)網(wǎng)絡預測模型； (3) 采用遺傳算法和模擬退火算法改進BP神經(jīng)網(wǎng)絡進行訓練和測試； (4) 通過改進后的BP神經(jīng)網(wǎng)絡對輸電線路無線電干擾進行預測。
2. 如權利要求1所述的一種改進BP神經(jīng)網(wǎng)絡的輸電線路無線電干擾預測方法，其特征 在于：所述步驟（1)中的數(shù)據(jù)參數(shù)包括輸電線路的電壓、導線直徑、導線截面、分裂數(shù)、分裂 間距、導線對地距離、導線距測量點距離、溫度、濕度、風速、氣壓、海拔和背景噪聲。
3. 如權利要求1所述的一種改進BP神經(jīng)網(wǎng)絡的輸電線路無線電干擾預測方法，其特征 在于：所述步驟（1)中的預處理步驟為：將所述數(shù)據(jù)參數(shù)歸一化預處理，將所述數(shù)據(jù)參數(shù)歸 一化到[_1，1]區(qū)間內(nèi)。
4. 如權利要求1所述的一種改進BP神經(jīng)網(wǎng)絡的輸電線路無線電干擾預測方法，其特征 在于：所述步驟（2)中BP神經(jīng)網(wǎng)絡的建立步驟為： (2-1)選擇神經(jīng)網(wǎng)絡的前饋網(wǎng)絡模型包括輸入層、隱含層和輸出層； (2-2)根據(jù)輸入輸出數(shù)據(jù)參數(shù)的維數(shù)，確定BP神經(jīng)網(wǎng)絡隱含層神經(jīng)元數(shù)，再通過網(wǎng)絡 訓練結(jié)果的性能進行調(diào)整； (2-3)設置權值和閾值，所述權值和閾值的初始值采用（-0.1,0. 1)的隨機數(shù)。
5. 如權利要求4所述的一種改進BP神經(jīng)網(wǎng)絡的輸電線路無線電干擾預測方法，其特征 在于：所述步驟中（3)采用遺傳算法和模擬退火算法改進BP神經(jīng)網(wǎng)絡進行訓練和測試的步 驟為： (3-1)正向傳播過程，將輸入變量數(shù)據(jù)參數(shù)的信息通過所述輸入層，經(jīng)所述隱含層處理 并計算每個單元的實際輸出值； (3-2)反向傳播過程，如所述輸出層未能得到期望的輸出值，計算實際輸出與期望輸出 之差值，并根據(jù)所述遺傳算法和模擬退火算法控制此差值逐層遞歸調(diào)節(jié)權值和閾值，使所 述差值逐漸減小，直到滿足精度要求。
6. 如權利要求1所述的一種改進BP神經(jīng)網(wǎng)絡的輸電線路無線電干擾預測方法，其特征 在于：所述步驟（4)中對輸電線路無線電干