本發(fā)明涉及發(fā)電站技術(shù)領(lǐng)域，特別涉及一種接地網(wǎng)腐蝕速率預(yù)測(cè)方法。

背景技術(shù)：

影響接地網(wǎng)腐蝕速率的因素非常復(fù)雜，其中主要的因素包括ph值、含水量、電導(dǎo)率、有機(jī)質(zhì)、全氮、的濃度、cl^-的濃度、的濃度、ca²⁺的濃度、mg²⁺的濃度、k⁺的濃度、na⁺的濃度。接地網(wǎng)腐蝕速率與以上12種主要影響因素之間存在著非常復(fù)雜的非線性關(guān)系，且各影響因素之間相互關(guān)聯(lián)、相互制約，很難通過(guò)某一個(gè)精確的函數(shù)清楚地表達(dá)出它們之間模糊的本構(gòu)關(guān)系。

目前雖然也有一些預(yù)測(cè)方法，例如基于k均值法的rbf網(wǎng)絡(luò)的腐蝕速率預(yù)測(cè)方法，但是這類方法的預(yù)測(cè)準(zhǔn)確率普遍不高，效果不夠好。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供了一種接地網(wǎng)腐蝕速率預(yù)測(cè)方法，用以解決現(xiàn)有技術(shù)中存在的問(wèn)題。

一種接地網(wǎng)腐蝕速率預(yù)測(cè)方法，包括：

對(duì)采集得到的樣本進(jìn)行歸一化處理，獲得歸一化后的樣本；

對(duì)歸一化后的樣本進(jìn)行聚類，輸出最優(yōu)的聚類解集，具體包括：

初始化蟻群參數(shù)；

根據(jù)歸一化后的樣本計(jì)算各個(gè)聚類中心，以每個(gè)樣本到聚類中心的距離之和最小為目標(biāo)函數(shù)，計(jì)算每個(gè)樣本的目標(biāo)函數(shù)值；

將計(jì)算得到的每個(gè)樣本的目標(biāo)函數(shù)值從小到大排序，在排序后的目標(biāo)函數(shù)值中，取前l(fā)個(gè)目標(biāo)函數(shù)值對(duì)應(yīng)的樣本作為需要交換的樣本，對(duì)需要交換的樣本進(jìn)行局部搜索；

進(jìn)行局部搜索后，對(duì)前l(fā)個(gè)目標(biāo)函數(shù)值對(duì)應(yīng)的樣本進(jìn)行信息素更新；

按照以上步驟進(jìn)行循環(huán)迭代，直到達(dá)到最大迭代次數(shù)num，輸出最優(yōu)聚類解集；

基于蟻群聚類的rbf網(wǎng)絡(luò)學(xué)習(xí)，包括：

樣本訓(xùn)練，以所述最優(yōu)聚類解集的蟻群聚類中心值為rbf網(wǎng)絡(luò)的隱層中心值取，以最優(yōu)聚類解集的聚類個(gè)數(shù)為隱層節(jié)點(diǎn)個(gè)數(shù)，計(jì)算隱節(jié)點(diǎn)數(shù)據(jù)中心間的距離，以隱節(jié)點(diǎn)間的最小距離作為擴(kuò)展常數(shù)，先計(jì)算各歸一化后的樣本離各數(shù)據(jù)中心的距離，然后計(jì)算隱節(jié)點(diǎn)的輸出陣，最后得到輸出權(quán)值和偏移量；

樣本測(cè)試，根據(jù)樣本訓(xùn)練中得到的參數(shù)對(duì)歸一化后的樣本進(jìn)行測(cè)試，對(duì)測(cè)試結(jié)果反歸一化，得到腐蝕速率。

優(yōu)選地，對(duì)采集得到的樣本按照以下公式進(jìn)行歸一化處理：

其中，αi表示歸一化后的樣本，i＝(1,2,…,n)，x表示采集得到的樣本集，其中樣本集中有n個(gè)樣本xi和m個(gè)聚類解集{sj,j＝1,2,…,m}。

優(yōu)選地，按照以下公式計(jì)算每個(gè)樣本的目標(biāo)函數(shù)值：

其中，xip為第i個(gè)樣本xi的第p個(gè)屬性，cjp為第j個(gè)聚類解集sj的第p個(gè)屬性，若第i個(gè)樣本xi屬于第j個(gè)聚類解集sj，則wij＝1，否則wij＝0。

優(yōu)選地，對(duì)需要交換的樣本進(jìn)行局部搜索，具體包括：

對(duì)于每一個(gè)樣本，產(chǎn)生一個(gè)隨機(jī)數(shù)q'，若隨機(jī)數(shù)q'小于q，則選擇聚類中心與樣本間距離最短的聚類解集作為樣本需要?dú)w屬的類；如果該隨機(jī)數(shù)q'大于或等于q，根據(jù)設(shè)定的轉(zhuǎn)換概率pij選擇樣本需要轉(zhuǎn)換的聚類解集：

其中，τij為第i個(gè)樣本xi和所屬第j個(gè)聚類解集sj間的標(biāo)準(zhǔn)化信息素；

確定每個(gè)樣本歸屬的聚類解集后重新聚類，重新計(jì)算每個(gè)樣本的目標(biāo)函數(shù)值，如果重新聚類后的樣本的目標(biāo)函數(shù)值小于重新聚類前的樣本的目標(biāo)函數(shù)值，則保留重新聚類后的聚類解集，否則保留重新聚類前的聚類解集。

優(yōu)選地，按照以下公式對(duì)前l(fā)個(gè)目標(biāo)函數(shù)值對(duì)應(yīng)的樣本進(jìn)行信息素更新：

τij(t+1)＝(1-r)τij(t)+δτij(t)

其中，r為信息素衰減系數(shù)，τij(t)為第i個(gè)樣本xi與第j個(gè)聚類解集sj在t時(shí)刻的信息素濃度；δτij表示本次循環(huán)信息素的增量；表示第k只螞蟻在本次循環(huán)中所釋放的信息素，設(shè)lk為螞蟻的目標(biāo)函數(shù)值，q為一參數(shù)常量值，若螞蟻k中的第i個(gè)樣本xi屬于第j個(gè)聚類解集sj，則否則

本發(fā)明提供的一種接地網(wǎng)腐蝕速率預(yù)測(cè)方法，用蟻群聚類算法確定rbf網(wǎng)絡(luò)的隱層中心值，對(duì)基本的蟻群算法進(jìn)行了進(jìn)一步改進(jìn)，并且加入了局部搜索，然后把改進(jìn)的蟻群聚類算法與rbf神經(jīng)網(wǎng)絡(luò)結(jié)合用于接地網(wǎng)腐蝕速率的預(yù)測(cè)。大量數(shù)據(jù)計(jì)算表明，該方法預(yù)測(cè)接地網(wǎng)腐蝕速率具有較高的精度和較好的泛化能力。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例提供的一種接地網(wǎng)腐蝕速率預(yù)測(cè)方法的預(yù)測(cè)結(jié)果與實(shí)測(cè)結(jié)果的對(duì)比圖；

圖2為現(xiàn)有技術(shù)中基于k均值法的rbf網(wǎng)絡(luò)的腐蝕速率預(yù)測(cè)結(jié)果與實(shí)測(cè)結(jié)果的對(duì)比圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明提供了一種接地網(wǎng)腐蝕速率預(yù)測(cè)方法，該方法包括：

對(duì)采集得到的樣本按照公式(1)進(jìn)行歸一化處理：

其中，αi表示歸一化的樣本，i＝(1,2,…,n)，x表示采集得到的樣本集，其中樣本集中有n個(gè)樣本xi和m個(gè)聚類解集{sj,j＝1,2,…,m}；

對(duì)歸一化的樣本進(jìn)行聚類，輸出最優(yōu)的聚類解集。具體步驟如下：

初始化蟻群參數(shù)，具體需要初始化的蟻群參數(shù)包括：螞蟻數(shù)量ant、類的數(shù)量class、轉(zhuǎn)換規(guī)則參數(shù)q(0<q<1)、信息素衰減系數(shù)r、局部搜索閾值h、迭代次數(shù)num、初始信息素tau和初始聚類解集solution；

根據(jù)歸一化后的樣本計(jì)算各個(gè)聚類中心，以每個(gè)樣本到聚類中心的距離之和最小為目標(biāo)函數(shù)，計(jì)算每個(gè)樣本的目標(biāo)函數(shù)值：

其中，xip為第i個(gè)樣本xi的第p個(gè)屬性，cjp為第j個(gè)聚類解集sj的第p個(gè)屬性，若第i個(gè)樣本xi屬于第j個(gè)聚類解集sj，則wij＝1，否則wij＝0；

將計(jì)算得到的每個(gè)樣本的目標(biāo)函數(shù)值按照從小到大的順序排序，在排序后的目標(biāo)函數(shù)值中，取前l(fā)個(gè)目標(biāo)函數(shù)值對(duì)應(yīng)的樣本作為需要交換的樣本，對(duì)需要交換的樣本進(jìn)行局部搜索，具體為：

對(duì)于每一個(gè)樣本，產(chǎn)生一個(gè)隨機(jī)數(shù)q'，若隨機(jī)數(shù)q'小于q，則選擇聚類中心與樣本間距離最短的聚類解集作為樣本需要?dú)w屬的類；如果該隨機(jī)數(shù)q'大于或等于q，根據(jù)設(shè)定的轉(zhuǎn)換概率pij選擇樣本需要轉(zhuǎn)換的聚類解集：

其中，τij為第i個(gè)樣本xi和所屬第j個(gè)聚類解集sj間的標(biāo)準(zhǔn)化信息素；

確定每個(gè)樣本歸屬的聚類解集后重新聚類，根據(jù)式(2)重新計(jì)算每個(gè)樣本的目標(biāo)函數(shù)值，如果重新聚類后的樣本的目標(biāo)函數(shù)值小于重新聚類前的樣本的目標(biāo)函數(shù)值，則保留重新聚類后的聚類解集，否則保留重新聚類前的聚類解集。

進(jìn)行局部搜索后，對(duì)前l(fā)個(gè)目標(biāo)函數(shù)值對(duì)應(yīng)的樣本按照下式進(jìn)行信息素更新：

τij(t+1)＝(1-r)τij(t)+δτij(t)(5)

其中，τij(t)為第i個(gè)樣本xi與第j個(gè)聚類解集sj在t時(shí)刻的信息素濃度；δτij表示本次循環(huán)信息素的增量；表示第k只螞蟻在本次循環(huán)中所釋放的信息素，設(shè)lk為螞蟻的目標(biāo)函數(shù)值，q為一參數(shù)常量值，若螞蟻k中的第i個(gè)樣本xi屬于第j個(gè)聚類解集sj，則否則

按照以上步驟進(jìn)行循環(huán)迭代，直到達(dá)到最大迭代次數(shù)num，輸出最優(yōu)聚類解集。

基于蟻群聚類的rbf網(wǎng)絡(luò)學(xué)習(xí)，主要包括：

樣本訓(xùn)練。隱層中心值和隱層節(jié)點(diǎn)個(gè)數(shù)的確定，這里rbf網(wǎng)絡(luò)的隱層中心值取上述最優(yōu)聚類解集的蟻群聚類中心值，隱層節(jié)點(diǎn)個(gè)數(shù)取最優(yōu)聚類解集的聚類個(gè)數(shù)。計(jì)算隱節(jié)點(diǎn)數(shù)據(jù)中心間的距離，以隱節(jié)點(diǎn)間的最小距離作為擴(kuò)展常數(shù)。先計(jì)算各歸一化后的樣本離各數(shù)據(jù)中心的距離，然后計(jì)算隱節(jié)點(diǎn)的輸出陣，最后得到輸出權(quán)值和偏移量。

樣本測(cè)試。根據(jù)樣本訓(xùn)練中得到的隱層中心值、隱層節(jié)點(diǎn)個(gè)數(shù)、擴(kuò)展常數(shù)、輸出權(quán)值和偏移量等參數(shù)對(duì)歸一化后的樣本進(jìn)行測(cè)試，對(duì)測(cè)試結(jié)果反歸一化，獲得腐蝕速率。

為了檢驗(yàn)該模型的正確性，我們用全國(guó)不同地方的變電站腐蝕速率及影響因素?cái)?shù)據(jù)來(lái)驗(yàn)證。共有101組數(shù)據(jù)，如表1所示。

表1接地網(wǎng)腐蝕速率及影響因素

這些數(shù)據(jù)中，前93組用來(lái)訓(xùn)練，后8組用來(lái)測(cè)試。在蟻群聚類中參數(shù)設(shè)置如下：螞蟻數(shù)目ant＝120，類的個(gè)數(shù)class＝20，迭代次數(shù)num＝2000，轉(zhuǎn)換規(guī)則參數(shù)q＝0.9，信息素衰減系數(shù)r＝0.05，局部搜索閾值h＝0.03，l＝2。采用本發(fā)明的方法預(yù)測(cè)結(jié)果如圖1所示。圖2是用k均值與rbf網(wǎng)絡(luò)結(jié)合的預(yù)測(cè)結(jié)果。

后8組數(shù)據(jù)的實(shí)測(cè)值為y，用本發(fā)明方法預(yù)測(cè)的結(jié)果用y1表示，基于k均值法的rbf網(wǎng)絡(luò)的腐蝕速率預(yù)測(cè)結(jié)果用y2表示，則y、y1、y2如表2所示。

表2腐蝕速率的實(shí)測(cè)值及兩種不同方法的預(yù)測(cè)值

把y、y1、y2分別看做一個(gè)向量，則y1到y(tǒng)的歐氏距離為||y1-y||2＝0.3438，y2到y(tǒng)的歐氏距離為||y2-y||2＝0.3973。很明顯，||y1-y2＜||y2-y||2。因此，本發(fā)明的預(yù)測(cè)效果比基于k均值法的rbf網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果好，準(zhǔn)確率高。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本發(fā)明可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤存儲(chǔ)器、cd-rom、光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。

本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn)品的流程圖和/或方框圖來(lái)描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計(jì)算機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器，使得通過(guò)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。

這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能。

這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。

盡管已描述了本發(fā)明的優(yōu)選實(shí)施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對(duì)這些實(shí)施例作出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實(shí)施例以及落入本發(fā)明范圍的所有變更和修改。

顯然，本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。