基于自联想神经网络的测量数据自校正检验方法_司风琪.pdf

第22 卷 第6 期 中 国 电 机 工 程 学 报 Vol.22 No.6 Jun.2002 2002 年6 月 Proceedings of the CSEE © 2002 Chin. Soc. for Elec.Eng. 文章编号：0258-8013 （2002）06-0152-04 基于自联想神经网络的测量数据自校正检验方法 司风琪, 徐治皋 (东南大学动力工程系，江苏 南京 210096) SELF-VERIFYING DATA VALIDATION METHOD BASED ON THE AUTOASSOCIATIVE NEURAL NETWORK (AANN) SI Feng-qi XU Zhi-gao (Dept. of Power Engineering, Southeast University, Nanjing 210096,China) ABSTRATCT: A novel data validation method based on 传感器；基于采样数据的时间序列关系的 AR 、 autoassociative neural network (AANN) with self-verifying to ARMA 以及Kalman 等时间序列预测模型，但它们 each parameter is presented. Firstly the single parameter 对过程数据的突变会产生误判，同时其模型参数要 self-verifying model is used within data pre-estimation. Next, 求大采样，实际过程常常不能满足；带时间窗的新 the input data of AANN can be selected by the residual 陈代谢方法，采用有限样本进行预测，避免了大采 decision-making logic. In this way, the accuracy of the online 样的要求，但该方法只能对不良数据进行质疑，不 running AANN can be improved greatly. 能完全检验，同时不能实现纠错的目的；基于机理 KEY WORDS: neural networks; data validation; self-verifying; 模型，采用解析冗余技术进行参数预测，但是这要 power plant 求有足够精确的机理模型，同时对于非线性复杂系 摘要：提出了基于AANN 的测量数据自校正检验方法，采 [2~4] 统模型计算量大，有时不能满足实时的要求 。 用参数预测模型分别对各个参数进行质疑，通过残差决策逻 辑选择网络的输入数据，有效地避免了“残差污染”，提高 了神经网络方法在线应用的准确率。 x 1 y 1 关键词：神经网络；数据检验；自校正；电站 x2