摘要
利用西南地区某500 kV变电站内母线下方,不同湿度、温度条件下某点处工频电场强度的测量数据,基于误差反向传播(back propagation,BP)神经网络的基本原理,运用MatLab软件中的网络工具箱建立湿度、温度对工频电场强度影响的人工神经网络模型。选择合适的训练函数及改进的BP算法训练此模型,得到模型的误差最大值仅为0.0475。最后设置不同的湿度、温度向量,用训练好的网络得到的预测结果表明:在温度不变的条件下工频电场随湿度的增大而增加;在湿度不变的条件下,温度对工频电场的影响规律还需进一步研究。
We measure power electric-field intensity at a substation in southwestern P. R. China at various humidity levels and temperatures. Measurement data and a back propagation neural network are used to construct a model of electrical field intensity responses to fluctuations in humidity and ambient temperatures. The maximum error is 0. 047 5. The results show that the power electric-field intensity increases as humidity rises when the temperature is constant; when humidity is a constant, temperature changes do not affect the regularity of the electric-field intensity in a consistent manner regularly.
出处
《重庆大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2009年第2期137-140,共4页
Journal of Chongqing University
基金
重庆市自然科学基金资助项目(2006BA6015)
关键词
神经网络
湿度
温度
工频电场强度
neural network
humidity
temperature
power electric-field intensity
