付海軍， 段其昌

(重慶大學(xué)自動化學(xué)院，重慶400044)

0 引言

輸電線路作為電力系統(tǒng)中的重要組成部分，由于長期暴露在外部環(huán)境中運(yùn)行，受環(huán)境等諸多不確定性因素影響，一直以來缺少一種有效方法對輸電線路可靠性進(jìn)行合理評價(jià)，之前的各種方法如貝葉斯方法在輸電線路可靠性評估中權(quán)重確定是由人為主觀確定的[1]，使得輸電線路可靠性評估具有主觀局限性．

爭對當(dāng)前輸電線路各種評估方法存在的不足，文中提出的遺傳神經(jīng)網(wǎng)絡(luò)評估輸電線路可靠性的方法，克服了現(xiàn)有方法的主觀局限性，該方法既體現(xiàn)了主觀意向又反映了客觀信息，使評價(jià)結(jié)果更趨合理．使用BP網(wǎng)絡(luò)的非線性映射性、自學(xué)習(xí)性、強(qiáng)容錯(cuò)性及自適應(yīng)性，來對樣本進(jìn)行處理[2]．BP網(wǎng)絡(luò)的閾值和初始權(quán)重用遺傳算法來進(jìn)行優(yōu)化，這樣方可做到對權(quán)重進(jìn)行比較大范圍的取值，非常好地解決了BP神經(jīng)網(wǎng)絡(luò)的易落入局部的最小值點(diǎn)和收斂速度比較慢等問題．二者結(jié)合，各取所長[3]．通過仿真研究得出，實(shí)際值與評價(jià)值的相差很小，遺傳神經(jīng)網(wǎng)絡(luò)的評價(jià)結(jié)果使人滿意．

1 輸電線路可靠性評估指標(biāo)選取

文中將輸電線路的運(yùn)行狀態(tài)分為三類:良好、注意、不良．評價(jià)標(biāo)準(zhǔn)依據(jù)國家電網(wǎng)公司于2006年頒布的《110(66)kV～500kV架空輸電線路評價(jià)標(biāo)準(zhǔn)(試行)》和南方電網(wǎng)公司于2004年頒布的《輸變電設(shè)備狀態(tài)評價(jià)標(biāo)準(zhǔn)》，該標(biāo)準(zhǔn)是通過與線路工程技術(shù)人員制定的．具體可參考文獻(xiàn)[1]．

本文在參考國家電網(wǎng)公司企業(yè)標(biāo)準(zhǔn)(Q/GDW173—2008)制定的輸電線路狀態(tài)評價(jià)導(dǎo)則及相關(guān)文獻(xiàn)的情況下，對影響輸電線路可靠性的各種因素進(jìn)行綜合權(quán)衡后，對輸電線路評估模型進(jìn)行簡化處理，簡化后輸電線路由桿塔、絕緣子、金具、導(dǎo)地線、基礎(chǔ)和接地裝置五個(gè)主要部件組成．各部分的基本的子事件如下所示:

①．桿塔(Y)有9個(gè)基本的子事件:Y1—桿塔的傾斜狀況(包含撓度等);Y2—鐵塔外表脫落、生銹情況;Y3—鐵塔主體變形狀況;Y4—鐵塔輔助材料的形變率情況;Y5—鐵塔螺栓的堅(jiān)固狀況;Y6—混凝土電桿保護(hù)層的腐蝕及鋼筋外露狀況;Y7—普通的混凝土電桿有無裂紋狀況;Y8—拉線是否是完善的，拉線及拉線棒銹蝕后的直徑變化狀況;Y9—拉線的防盜狀況．

②．絕緣子(X)有6個(gè)基本的子事件:X1—絕緣子的表皮狀況;X2—爬電比距能否遵循污穢等級下的爬電比距數(shù)值要求狀況;X3—瓷質(zhì)絕緣子零值率及自爆率狀況;X4—合成絕緣子鬼裂、老化、破壞的狀況;X5—鎖緊銷狀況;X6—鋼腳扭曲松動的狀況．

③．金具(V)有5個(gè)基本的子事件:V1—金具有無銹蝕狀況;V2—金具磨損的狀況;V3—銷子有無短缺狀況;V4—金具有無松動狀況;V5—金具強(qiáng)度的狀況．

④．導(dǎo)地線(Z)有7個(gè)基本的子事件:Z1—輸電線有無路斷股的狀況;Z2—地線有無損傷銹蝕狀況;Z3—導(dǎo)地線弧垂的偏差狀況;Z4—導(dǎo)地線的相間弧垂偏差狀況;Z5—同相子的導(dǎo)線弧垂有無偏差狀況;Z6—導(dǎo)線連接器及地線連接器的狀況;Z7—導(dǎo)地線的強(qiáng)度試驗(yàn)狀況．

⑤．基礎(chǔ)及接地裝置(U)有6個(gè)基本的子事件:U1—基礎(chǔ)的狀況;U2—地質(zhì)的狀況;U3—防護(hù)措施的狀況;U4—接地裝置的狀況;U5—接地裝置的敷設(shè)狀況;U6—接地電阻的狀況．

2 BP神經(jīng)網(wǎng)絡(luò)與遺傳算法

2．1 BP 神經(jīng)網(wǎng)絡(luò)

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是由Rumelhart和McClelland在1986年提出來的，是一種多層前饋網(wǎng)絡(luò)，且是按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的[4]，是現(xiàn)今為止應(yīng)用最為流行的神經(jīng)網(wǎng)絡(luò)模型中的一種，它由輸入層、隱含層及輸出層組成，各層神經(jīng)元之間是由連接權(quán)重連接的．它的網(wǎng)絡(luò)結(jié)構(gòu)如下圖圖1所示．

圖1 三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

輸入節(jié)點(diǎn)由輸電線路各個(gè)評價(jià)指標(biāo)組成，共33個(gè)輸入節(jié)點(diǎn);由于評價(jià)結(jié)果為計(jì)算輸電線路處于良好、不良、注意狀態(tài)的概率，所以輸出節(jié)點(diǎn)數(shù)為1;隱含層的節(jié)點(diǎn)數(shù)由公式(1)及多次的仿真實(shí)驗(yàn)確定的，最終確定的隱含層節(jié)點(diǎn)數(shù)為11．

式中l(wèi)為隱含層節(jié)點(diǎn)數(shù)，m為輸入節(jié)點(diǎn)數(shù)，n為輸出節(jié)點(diǎn)數(shù)，c為[1，10]之間的常數(shù)．

BP算法的一次學(xué)習(xí)迭代過程可分為兩個(gè)過程，即信息流正向傳遞(信息由輸入層輸入，經(jīng)隱含層和輸出層的計(jì)算，再由輸出層得到處理之后的輸出值)和誤差的逆向修改(計(jì)算輸出值與期望值的誤差，假使該誤差超過了規(guī)定范圍，根據(jù)該誤差計(jì)算得到相應(yīng)得神經(jīng)元的連接權(quán)值，修改各層神經(jīng)元的節(jié)點(diǎn)之間的連接權(quán)值)．

BP神經(jīng)網(wǎng)絡(luò)雖得到了人們的普遍應(yīng)用，但也存在一些缺點(diǎn)，比如:首先BP神經(jīng)網(wǎng)絡(luò)算法的誤差函數(shù)是一種單點(diǎn)搜索、沿梯度方向下降的算法，全局的搜索能力差，容易落入局部的極小值．其次，BP神經(jīng)網(wǎng)絡(luò)對權(quán)值的學(xué)習(xí)有一定的隨機(jī)性，因?yàn)樗某跏冀Y(jié)構(gòu)參數(shù)具有隨機(jī)性．最后，由于BP神經(jīng)網(wǎng)絡(luò)初始結(jié)構(gòu)參數(shù)具有隨機(jī)性，還使得神經(jīng)網(wǎng)絡(luò)的收斂速度過慢，使網(wǎng)絡(luò)的訓(xùn)練過久且不易收斂．

2．2 遺傳算法(GA)

遺傳算法(GA)是一種全局的隨機(jī)的尋優(yōu)的搜索算法，它求解復(fù)雜的問題的思路是模擬大自然生物界的自然選擇及自然的遺傳機(jī)制的進(jìn)化過程得到的．它的編碼空間即為問題空間，進(jìn)化的基礎(chǔ)是編碼群體，評價(jià)依據(jù)是適應(yīng)度函數(shù)，用群體中個(gè)體的位串來模擬生物進(jìn)化過程，從而完成選擇、交叉、變異等操作．通過無數(shù)次這樣的操作，從而完成個(gè)體的進(jìn)化，最后得到問題的最佳解．算法的流程圖如下圖圖2所示．

圖2 遺傳算法流程圖

遺傳算法是一種群體的尋優(yōu)算法，可使搜索結(jié)果免于收斂到局部的最優(yōu)解，因?yàn)樗亩帱c(diǎn)搜索性使它具有全局搜索性，從而可得到全局的最佳解．用遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)，能夠彌補(bǔ)BP網(wǎng)絡(luò)易于落入局部極小值及收斂速度慢等問題．

3 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)

由于BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程中，神經(jīng)元間的連接權(quán)值和閾值是隨機(jī)初始化的，對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程及結(jié)果影響顯著[3，4]．所有網(wǎng)絡(luò)連接權(quán)值及閾值用遺傳算法來優(yōu)化，優(yōu)化后的神經(jīng)網(wǎng)絡(luò)性能有顯著的提高．而且還擴(kuò)大了網(wǎng)絡(luò)的搜索空間，BP算法易落入局部極小值的問題也得到了很好地解決，且神經(jīng)網(wǎng)絡(luò)的訓(xùn)練次數(shù)也因?yàn)閮?yōu)化了初始神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的參數(shù)而大大的減少，從而使神經(jīng)網(wǎng)絡(luò)的訓(xùn)練次數(shù)得到明顯提升，訓(xùn)練速度加快，使系統(tǒng)得結(jié)果更準(zhǔn)確．

遺傳神經(jīng)網(wǎng)絡(luò)模型的原理，通過遺傳算法(GA)來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)神經(jīng)元初始連接權(quán)值，最后由BP算法對網(wǎng)絡(luò)進(jìn)行訓(xùn)練．

遺傳算法(GA)優(yōu)化BP網(wǎng)絡(luò)神經(jīng)元之間的初始連接權(quán)值及閾值的主要步驟如下:

⑴．染色體的編碼:染色體編碼方式通常有浮點(diǎn)數(shù)編碼或二進(jìn)制編碼．文中采用浮點(diǎn)數(shù)編碼的方式對初始種群的染色體進(jìn)行編碼，把BP網(wǎng)絡(luò)的權(quán)值和閾值按照輸入層及隱含層、隱含層及輸出層間的神經(jīng)元的連接權(quán)值、輸入層及隱含層、隱含層和輸出層的閾值順序關(guān)聯(lián)起來，就組成了種群的一條染色體，該染色體即為一個(gè)實(shí)數(shù)數(shù)組．

⑵．適應(yīng)度函數(shù)的選取:BP網(wǎng)絡(luò)的性能評估標(biāo)準(zhǔn):即實(shí)際輸出值與期望的輸出值之間的誤差平方和愈小愈好，也即實(shí)際輸出值與期望的輸出值之間的誤差平方和的倒數(shù)愈大愈好．遺傳算法評價(jià)染色體生存能力的標(biāo)準(zhǔn)是適應(yīng)度函數(shù)值，染色體被選中進(jìn)行遺傳操作幾率大小由適應(yīng)度函數(shù)值決定的，適應(yīng)的函數(shù)值越大進(jìn)行遺傳操作的機(jī)會越大．文中把實(shí)際輸出值與期望的輸出值之間的誤差平方和的倒數(shù)作為適應(yīng)度函數(shù)，如下所示的:

式中f(x)為BP網(wǎng)絡(luò)均方的誤差函數(shù)．

4 評估的具體方法與步驟

評價(jià)方法:用遺傳神經(jīng)網(wǎng)絡(luò)對輸電線路的可靠性進(jìn)行評估，即把評價(jià)標(biāo)準(zhǔn)作為學(xué)習(xí)的樣本對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，待網(wǎng)絡(luò)的訓(xùn)練收斂到我們可以接受的誤差范圍內(nèi)時(shí)，再把待評價(jià)的數(shù)據(jù)輸入網(wǎng)絡(luò)，這樣就可以得到評價(jià)的具體結(jié)果了．

評估的具體步驟為:

①搭建評價(jià)網(wǎng)絡(luò)的模型;

②數(shù)據(jù)的預(yù)處理:歸一化處理待訓(xùn)練樣本S;

③用遺傳算法(GA)優(yōu)化網(wǎng)絡(luò)的權(quán)值和閾值;

④錄入歸一化處理后訓(xùn)練樣本S和目標(biāo)輸出O，訓(xùn)練網(wǎng)絡(luò)模型．

⑤將歸一化處理后的待評價(jià)樣本輸入到神經(jīng)網(wǎng)絡(luò)后，這樣就可以進(jìn)行評價(jià)了．

圖3 GA—BP的訓(xùn)練誤差曲線

圖4 GA—BP的訓(xùn)練誤差曲線

5 實(shí)例分析

本文用的樣本數(shù)據(jù)及測試數(shù)據(jù)來自2000～2005年呂梁地區(qū)110kV龍胡線．

5．1 網(wǎng)絡(luò)模型的建立

⑴網(wǎng)絡(luò)結(jié)構(gòu)的確定

①網(wǎng)絡(luò)層次的確定:考慮到神經(jīng)網(wǎng)絡(luò)價(jià)樣本的實(shí)際情形，文中采用三層神經(jīng)網(wǎng)絡(luò)．

②輸入節(jié)點(diǎn)數(shù)的確定:由于系統(tǒng)中有33個(gè)評價(jià)因子，一個(gè)評價(jià)因子對應(yīng)一個(gè)輸入節(jié)點(diǎn)，故輸入節(jié)點(diǎn)數(shù)為33個(gè)．

③輸出節(jié)點(diǎn)的個(gè)數(shù):因?yàn)樵u價(jià)結(jié)果為計(jì)算輸電線路處于注意、不良、良好狀態(tài)的概率，故輸出節(jié)點(diǎn)數(shù)為1．

⑵訓(xùn)練參數(shù)的設(shè)置

①遺傳算法參數(shù)的設(shè)置:種群數(shù)為50，遺傳的最多代數(shù)為100，初始化種群的權(quán)重空間為[0，1]，選擇的概率取0．08，交叉的概率取0．1，變異的概率取 0．05．

②選取激勵(lì)函數(shù):隱含層和輸出層激勵(lì)函數(shù)選用S型函數(shù)，如下所示:

③確定學(xué)習(xí)步長:我們?nèi)W(xué)習(xí)步長為0．4．

④總誤差的確定:依據(jù)樣本實(shí)際情況，總誤差取為E=0．00001．

5．2 數(shù)據(jù)預(yù)處理

由于采用S型的函數(shù)作為隱含層和輸出層的激勵(lì)函數(shù)，而S型函數(shù)輸出值的取值范圍為(0，1);故為了加速網(wǎng)絡(luò)訓(xùn)練的速度，使網(wǎng)絡(luò)可以成功的收斂到理想的誤差范圍之內(nèi)，我們有必要?dú)w一化處理學(xué)習(xí)樣本和待測樣本．文中歸一化處理按下面公式進(jìn)行．

式中，P(xik)為第i類第k個(gè)基本子事件發(fā)生的概率，xik為第i類第k個(gè)基本子事件處于某種狀態(tài)的個(gè)數(shù)，Mi為第i類基本子事件的總數(shù)．

龍胡線位于呂梁地區(qū)，電壓等級為110kV，全線長為16．1665km，有桿塔80根，其中鐵塔為2根，混凝土桿塔為78根，其中有22桿塔有拉線裝置，絕緣子有2183個(gè)，其中瓷質(zhì)的絕緣子有2175個(gè)，合成的絕緣子有8個(gè)，金具共有2194個(gè)，導(dǎo)地線共有79檔，其中導(dǎo)線的總數(shù)為237，地線的總數(shù)為158，導(dǎo)線的連接器為54，地線的連接器數(shù)為15，基礎(chǔ)與接地裝置數(shù)都為80．

表1為部分事件處理前的部分?jǐn)?shù)據(jù)，表2為對應(yīng)于表1處理之后的數(shù)據(jù)．

5．3 訓(xùn)練網(wǎng)絡(luò)

將歸一化后的評價(jià)標(biāo)準(zhǔn)作為學(xué)習(xí)樣本，通過對網(wǎng)絡(luò)的訓(xùn)練．我們得知當(dāng)訓(xùn)練的次數(shù)為8392次時(shí)，此時(shí)網(wǎng)絡(luò)收斂，訓(xùn)練樣本的結(jié)果如下表3:

表1 處理前的部分?jǐn)?shù)據(jù)

表2 對應(yīng)于表1的處理后的數(shù)據(jù)

表3 訓(xùn)練樣本結(jié)果

測試樣本如表4所示:

按以上設(shè)置，BP網(wǎng)絡(luò)訓(xùn)練的誤差曲線如圖3所示．

遺傳神經(jīng)網(wǎng)絡(luò)訓(xùn)練的誤差曲線如圖4所示．從圖中可知BP網(wǎng)絡(luò)訓(xùn)練12306次時(shí)網(wǎng)絡(luò)收斂，而遺傳神經(jīng)網(wǎng)絡(luò)訓(xùn)練8392次時(shí)網(wǎng)絡(luò)收斂，可知遺傳神經(jīng)網(wǎng)絡(luò)加快了網(wǎng)絡(luò)的收斂速度以及易陷入局部最小值點(diǎn)的問題．

表4 為測試樣本的結(jié)果

6 結(jié)束語

本著既能高效運(yùn)行又能客觀準(zhǔn)確的評估對象，使評價(jià)結(jié)果更合理、可信，文中首次將遺傳神經(jīng)網(wǎng)絡(luò)用于對輸電線路的可靠性進(jìn)行評估．BP網(wǎng)絡(luò)的權(quán)重與閾值用遺傳算法來進(jìn)行優(yōu)化，使得優(yōu)化后的網(wǎng)絡(luò)具有收斂速度快的能力，全局尋優(yōu)的能力與評價(jià)結(jié)果準(zhǔn)確、客觀的能力等等．通過對大量測試數(shù)據(jù)的驗(yàn)證分析，結(jié)果表明文中提出的網(wǎng)絡(luò)模型非常適用于輸電線路的可靠性評價(jià)，為當(dāng)今各輸電線路的可靠性評估提供了新思路，具有一定的理論和現(xiàn)實(shí)意義．

[1] 董邦洲．基于貝葉斯網(wǎng)絡(luò)的架空輸電線路運(yùn)行狀態(tài)評估及隱形故障診斷[D]．山西，太原理工大學(xué)，2007．

[2] Nicolas Garia － Pedrajas，Domingo Ortiz － Boyer，Csear Hervas－Martinez．An Alternative Approach for Neural Network Evolution with a Genetic Algorithm:Crossover by Combinato－ rial Optimization[J]．Neural Network，2006，19(4):514 － 528．

[3] 欒慶林，盧輝斌．改進(jìn)遺傳算法在神經(jīng)網(wǎng)絡(luò)權(quán)值優(yōu)化中的應(yīng)用研究[J]．遙測遙控，2008(1):51－54．

[4] 崔偉．基于遺傳神經(jīng)網(wǎng)絡(luò)的個(gè)人信用評估模型的研究．計(jì)算機(jī)工程與設(shè)計(jì)2009，30(18)．

[5] E．Chiodo，GMazzanti，Bayesian Reliability Estimation Based on a Weibull Stress－Strength Model for Aged Power System Components Subjected to Voltage Surges，IEEE Transactions on Dielectrics and Electrical Insulation，2006，13(1)，146 －159．

[6] 高賢維，劉三民，王杰文．基于遺傳算法和神經(jīng)網(wǎng)絡(luò)的特征提取[J]．計(jì)算機(jī)與現(xiàn)代化，2008(4):23．26．

[7] Yang Yu － mei，Ma Zhi－ qiang，F(xiàn)ang Ruo－ sen．Design and Realization of Genetic － neural Network Based on MATLAB[J]．Information Technology，2008(06):73 －80．

[8] 應(yīng)偉國．架空送電線路狀態(tài)檢修實(shí)用技術(shù)[M]．北京:中國電力出版社，2004．

[9] 2006電力可靠性指標(biāo)發(fā)布及影響因素分析[J]．電力市場，2006，7(6)．

[10] 楊秋生．架空輸電線路運(yùn)行可靠性分析與探討[J]．山西電力，2004，(6):30 －32．