买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东大学;国网河南省电力公司电力科学研究院

摘要：本发明提出了基于PSO‑BP神经网络的换流变压器缩比模型振动参数预测方法，包括：构建换流变压器缩比模型，基于此缩比模型给定任意输入参数得到换流变压器对应的振动输出信息，作为训练数据；构建适用于换流变压器缩比模型训练的PSO‑BP神经网络，取神经网络数据的输入为换流变压器的电压、尺寸与匝数，输出为铁芯加速度、铁芯形变位移、铁芯受力，基于上述训练数据完成对神经网络的训练；利用训练后的神经网络输入待预测的换流变压器尺寸、电压以及匝数，预测其铁芯加速度、铁芯形变位移及铁芯受力。

主权项：1.基于PSO-BP神经网络的换流变压器缩比模型振动参数预测方法，其特征是，包括：构建换流变压器缩比模型，基于此缩比模型给定任意输入参数得到换流变压器对应的振动输出信息，作为训练数据；构建适用于换流变压器缩比模型训练的PSO-BP神经网络，取神经网络数据的输入为换流变压器的电压、尺寸与匝数，输出为铁芯加速度、铁芯形变位移、铁芯受力，基于上述训练数据完成对神经网络的训练；利用训练后的神经网络输入待预测的换流变压器尺寸、电压以及匝数，预测其铁芯加速度、铁芯形变位移及铁芯受力；PSO-BP神经网络为粒子群优化BP神经网络，建立详细步骤如下：（1）随机产生初始微粒群，并初始化和；（2）将每个微粒看作一组参数值，组成参数网络；（3）将训练数据中的训练样本数据输入参数网络进行训练；（4）通过对每个微粒适应度值的计算进行和的确定；（5）若此时不满足程序的终止条件则转到（6），若满足了终止条件则转到（7）；（6）根据公式更新微粒群中的每个微粒，并转到（2）；（7）将最优微粒作为一组最优参数，最优微粒即为优化结果，算法结束；构建PSO-BP神经网络的具体步骤为：确定网络层数；训练输入数据为换流变压器的电压、尺寸与匝数，输出数据为铁芯及绕组的形变位移、铁芯受力，划分为训练和测试数据，分别对分别对训练和测试数据进行归一化处理；确定隐含层神经元数目；通过设置训练参数，网络进行训练学习，达到设定误差值为目标测试样本进行预测：用测试样本的换流变压器尺寸、电压以及匝数进行预测，并与仿真结果中的输出特征及绕组位移形变、受力进行比较，检验网络的准确性。

全文数据：

权利要求：

百度查询： 山东大学 国网河南省电力公司电力科学研究院 基于PSO-BP神经网络的换流变压器缩比模型振动参数预测方法