用于输电线路覆冰检测的传感器装置的制作方法

本申请涉及机器学习，特别是涉及一种用于输电线路覆冰检测的传感器装置。

背景技术：

1、若设备覆冰，则大部分设备均无法正常运行，且可能会对社会生活造成极大的影响。如，以输电线路为例，覆冰对输电线路造成的危害尤为严重。覆冰可能会致使导线舞动，若覆冰过厚还会使线路杆塔倒塌，轻则对整个电力系统的稳定性产生影响，使系统的电能质量下降，重则造成电力事故，触发保护误动、系统振荡、电网解列，造成大面积停电。

2、传统技术中，覆冰检测方法主要为人工巡视检测，即定期派遣工作人员去对输电线路进行检测，若输电线路上覆冰，则需要采取一定措施来去除输电线路上的覆冰。然而，这种方法并不够高效，无法及时获取输电线路上的覆冰信息。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种支持高效用于输电线路覆冰检测的传感器装置。

2、本申请提供了一种用于输电线路覆冰检测的传感器装置。所述装置包括光纤布拉格光栅传感器、及上位机：

3、所述上位机获取初始bp(back propagation，反向传播)神经网络、输电线路状态数据、及覆冰厚度数据，所述输电线路状态数据包括输电线路拉力值与所述输电线路所处环境数据；将所述覆冰设备数据作为神经网络输入量、所述覆冰厚度数据作为神经网络输出量，对所述初始bp神经网络进行迭代训练，得到bp神经网络群，其中，所述bp神经网络群是对所述初始bp神经网络进行迭代训练时每轮迭代过程生成的bp神经网络构成的神经网络群，且在每轮迭代过程中bp神经网络的权值与阈值不同，所述权值为bp神经网络的各层神经元之间的连接权值变量，所述阈值为bp神经网络的各层神经元内部的偏差变量；获取所述bp神经网络群中各bp神经网络对应的权值与阈值；根据各所述bp神经网络对应的权值与阈值，采用鲸鱼优化算法得到最优权值与最优阈值；根据所述最优权值与最优阈值，从所述bp神经网络群中获取目标输电线路覆冰检测模型；

4、所述光纤布拉格光栅传感器采集待检测输电线路状态数据，并将所述待检测输电线路状态数据发送至所述上位机；

5、所述上位机根据所述待检测输电线路状态数据，采用所述目标输电线路覆冰检测模型进行输电线路的覆冰检测。

6、在一个实施例中，所述上位机还用于获取输电线路状态数据、及覆冰厚度数据；对所述输电线路状态数据进行归一化处理，并根据归一化处理后的输电线路状态数据，更新所述输电线路状态数据；对所述覆冰厚度数据进行归一化处理，并根据归一化处理后的覆冰厚度数据，更新所述覆冰厚度数据。

7、在一个实施例中，所述上位机还用于根据所述bp神经网络群，获取训练完成的bp神经网络，并确定所述训练完成的bp神经网络的最小均方和误差；若所述最小均方和误差小于预设训练目标精度，提取所述bp神经网络群中各bp神经网络的权值与阈值；若所述最小均方和误差不小于预设训练目标精度，采用梯度下降法更新所述训练完成的bp神经网络的权值与阈值。

8、在一个实施例中，所述上位机还用于若所述最小均方和误差不小于预设训练目标精度，采用梯度下降法得到述训练完成的bp神经网络的权值与阈值的修正量，并根据所述修正量，更新所述训练完成的bp神经网络的权值与阈值。

9、在一个实施例中，所述上位机还用于根据各所述bp神经网络的权值与阈值，确定各鲸鱼个体，并获取各所述bp神经网络的最小均方和误差；根据各所述bp神经网络的最小均方和误差，确定各所述鲸鱼个体的适应度函数；根据所述各所述鲸鱼个体的适应度函数，得到最优权值与最优阈值。

10、在一个实施例中，所述上位机还用于根据各所述鲸鱼个体的适应度函数的大小，从各所述鲸鱼个体中确定最优鲸鱼；当所述最优鲸鱼的适应度函数小于预设适应度精度阈值时，根据所述最优鲸鱼的适应度函数，得到最优适应度函数；当所述最优鲸鱼的适应度函数不小于预设适应度精度阈值时，更新各所述鲸鱼个体位置，确定更新后的各所述鲸鱼个体的适应度函数，并返回根据所述鲸鱼个体的适应度函数的大小，从各所述鲸鱼个体中确定最优鲸鱼的步骤；根据所述最优适应度函数，确定对应的最优权值与最优阈值。

11、在一个实施例中，所述上位机还用于根据各所述适应度函数的大小，得到最小适应度函数；根据所述最小适应度函数，从各所述鲸鱼个体中确定最优鲸鱼。

12、在一个实施例中，所述上位机还用于当所述最优鲸鱼的适应度函数不小于预设适应度精度阈值时，获取各所述鲸鱼个体位置随机更新概率；当所述随机更新概率小于预设各所述鲸鱼个体位置概率阈值时，采用收缩环绕机制更新各所述鲸鱼个体位置；当所述随机更新概率不小于预设各所述鲸鱼个体位置概率阈值时，采用螺旋更新机制更新各所述鲸鱼个体位置。

13、在一个实施例中，所述上位机还用于当所述随机更新概率小于预设概率阈值时，获取第一随机变量；当所述第一随机变量的绝对值不小于预设第一随机变量阈值时，根据最优鲸鱼位置，采用收缩环绕机制更新各鲸鱼个体位置；当所述第一随机变量的绝对值小于预设第一随机变量阈值时，确定第二鲸鱼位置，所述第二鲸鱼位置为各鲸鱼个体位置中任意一个鲸鱼位置，并根据所述第二鲸鱼位置，采用收缩环绕机制更新各鲸鱼个体位置。

14、在一个实施例中，所述上位机还用于获取输电线路覆冰检测测试数据、及输电线路覆冰检测测试数据对应的覆冰厚度数据；采用所述目标输电线路覆冰检测模型，对所述输电线路覆冰检测测试数据进行检测，得到覆冰厚度测试预测数据；对比所述覆冰厚度数据、及所述覆冰厚度测试预测数据，对所述目标输电线路覆冰检测模型进行校验。

15、上述用于输电线路覆冰检测的传感器装置，上位机获取初始bp神经网络、输电线路状态数据、及覆冰厚度数据；采用输电线路状态数据、及覆冰厚度数据对初始bp神经网络进行迭代训练，以得到bp神经网络群，并通过采用鲸鱼优化算法对bp神经网络群中各bp神经网络的权值与阈值进行更新优化，得到最优权值与阈值，以高效建立目标覆冰检测模型，建立的目标覆冰检测模型支持当获取待检测覆冰设备数据时，高效输出对应的覆冰厚度值。进一步地，通过光纤布拉格光栅传感器采集待检测输电线路状态数据，并将待检测输电线路状态数据发送至上位机，从而使得上位机能够根据待检测输电线路状态数据，采用支持高效进行检测的目标输电线路覆冰检测模型来进行高效的输电线路的覆冰检测。因此，用于输电线路覆冰检测的传感器装置能够支持高效进行输电线路的覆冰检测。

技术特征：

1.一种用于输电线路覆冰检测的传感器装置，其特征在于，所述装置包括光纤布拉格光栅传感器、及上位机；

2.根据权利要求1所述的装置，其特征在于，所述上位机还用于获取输电线路状态数据、及覆冰厚度数据；对所述输电线路状态数据进行归一化处理，并根据归一化处理后的输电线路状态数据，更新所述输电线路状态数据；对所述覆冰厚度数据进行归一化处理，并根据归一化处理后的覆冰厚度数据，更新所述覆冰厚度数据。

3.根据权利要求1所述的装置，其特征在于，所述上位机还用于根据所述bp神经网络群，获取训练完成的bp神经网络，并确定所述训练完成的bp神经网络的最小均方和误差；若所述最小均方和误差小于预设训练目标精度，提取所述bp神经网络群中各bp神经网络的权值与阈值；若所述最小均方和误差不小于预设训练目标精度，采用梯度下降法更新所述训练完成的bp神经网络的权值与阈值。

4.根据权利要求3所述的装置，其特征在于，所述上位机还用于若所述最小均方和误差不小于预设训练目标精度，采用梯度下降法得到所述训练完成的bp神经网络的权值与阈值的修正量，并根据所述修正量，更新所述训练完成的bp神经网络的权值与阈值。

5.根据权利要求1所述的装置，其特征在于，所述上位机还用于根据各所述bp神经网络的权值与阈值，确定各鲸鱼个体，并获取各所述bp神经网络的最小均方和误差；根据各所述bp神经网络的最小均方和误差，确定各所述鲸鱼个体的适应度函数；根据所述各所述鲸鱼个体的适应度函数，得到最优权值与最优阈值。

6.根据权利要求5所述的装置，其特征在于，所述上位机还用于根据各所述鲸鱼个体的适应度函数的大小，从各所述鲸鱼个体中确定最优鲸鱼；当所述最优鲸鱼的适应度函数小于预设适应度精度阈值时，根据所述最优鲸鱼的适应度函数，得到最优适应度函数；当所述最优鲸鱼的适应度函数不小于预设适应度精度阈值时，更新各所述鲸鱼个体位置，确定更新后的各所述鲸鱼个体的适应度函数，并返回根据所述鲸鱼个体的适应度函数的大小，从各所述鲸鱼个体中确定最优鲸鱼的步骤；根据所述最优适应度函数，确定对应的最优权值与最优阈值。

7.根据权利要求6所述的装置，其特征在于，所述上位机还用于根据各所述适应度函数的大小，得到最小适应度函数；根据所述最小适应度函数，从各所述鲸鱼个体中确定最优鲸鱼。

8.根据权利要求6所述的装置，其特征在于，所述上位机还用于当所述最优鲸鱼的适应度函数不小于预设适应度精度阈值时，获取各所述鲸鱼个体位置随机更新概率；当所述随机更新概率小于预设各所述鲸鱼个体位置概率阈值时，采用收缩环绕机制更新各所述鲸鱼个体位置；当所述随机更新概率不小于预设各所述鲸鱼个体位置概率阈值时，采用螺旋更新机制更新各所述鲸鱼个体位置。

9.根据权利要求8所述的装置，其特征在于，所述上位机还用于当所述随机更新概率小于预设概率阈值时，获取第一随机变量；当所述第一随机变量的绝对值不小于预设第一随机变量阈值时，根据最优鲸鱼位置，采用收缩环绕机制更新各鲸鱼个体位置；当所述第一随机变量的绝对值小于预设第一随机变量阈值时，确定第二鲸鱼位置，所述第二鲸鱼位置为各鲸鱼个体位置中任意一个鲸鱼位置，并根据所述第二鲸鱼位置，采用收缩环绕机制更新各鲸鱼个体位置。

10.根据权利要求1所述的装置，其特征在于，所述上位机还用于获取输电线路覆冰检测测试数据、及输电线路覆冰检测测试数据对应的覆冰厚度数据；采用所述目标输电线路覆冰检测模型，对所述输电线路覆冰检测测试数据进行检测，得到覆冰厚度测试预测数据；对比所述覆冰厚度数据、及所述覆冰厚度测试预测数据，对所述目标输电线路覆冰检测模型进行校验。

技术总结
本申请涉及一种用于输电线路覆冰检测的传感器装置。装置包括光纤布拉格光栅传感器、及上位机；其中，上位机获取初始BP神经网络、输电线路状态数据、及覆冰厚度数据；对初始BP神经网络进行迭代训练，得到BP神经网络群；根据各BP神经网络对应的权值与阈值，采用鲸鱼优化算法得到最优权值与最优阈值；根据最优权值与最优阈值，从BP神经网络群中获取目标输电线路覆冰检测模型；光纤布拉格光栅传感器采集待检测输电线路状态数据，并将待检测输电线路状态数据发送至上位机；上位机根据待检测输电线路状态数据，采用目标输电线路覆冰检测模型进行输电线路的覆冰检测。采用本装置能够支持高效覆冰检测。

技术研发人员：李鹏,王志明,韦杰,徐振恒,刘仲,谭则杰,樊小鹏,林跃欢,钟枚汕,李立浧
受保护的技术使用者：南方电网数字电网研究院有限公司
技术研发日：
技术公布日：2024/1/15