买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网湖北省电力有限公司经济技术研究院

摘要：一种基于改进PPO算法的杆塔接地装置寿命预测方法及系统，方法首先采集输电杆塔接地装置的寿命周期历史数据，构建数据集并设置标签，然后构建强化学习网络模型，并对其进行改进，接着基于Alpha散度并将其扩展至多连续动作形式作为损失函数，然后将数据集划分为训练集与测试集，并基于训练集对每个智能体进行训练优化，最后通过测试集完成对接地装置的寿命预测；本发明充分考虑了多种土壤环境因素对接地装置的影响，并基于深度强化学习技术与实时数据分析，客观且准确的实现了对接地装置腐蚀程度的评估判断，并且可以实现自动化与智能化，减少人为干预，降低了运维成本。

主权项：1.一种基于改进PPO算法的杆塔接地装置寿命预测方法，其特征在于，包括：S1、采集输电杆塔接地装置的寿命周期历史数据，构建数据集并设置数据集的标签yt为剩余寿命与腐蚀状态；所述数据集的特征参数表达式如下： 其中：xt为特征参数，pt为土壤PH值，rt为接地电阻值，wt为土壤含水量，nt为土壤含盐量，ρt为土壤电阻率，Tt为土壤温度，Bt为地表磁感应强度，Ut为腐蚀微生物含量，Λt-1为历史腐蚀状态，Lt-1为历史剩余寿命；所述标签yt的表达式如下：yt＝[Lt，Λt]；其中：Lt为剩余寿命，Λt为腐蚀状态；S2、构建M-APPO强化学习网络模型；所述M-APPO强化学习网络模型包括若干个智能体与一个经验池；每个所述智能体均包括Actor网络与Critic网络；所述Actor网络为由DRN深度残差网络、Bi-LSTM双向长短时记忆网络与基于ETS指数平滑模型的深度展开网络组成的DRN-Bi-LSTM-ETS网络结构；所述Critic网络为全连接网络；S3、在Actor网络中加入Alpha散度惩罚项，并通过区间转换将Actor网络的损失函数转换为累计折扣奖励和Alpha散度惩罚项的线性组合形式，使其数值限制在区间[0，1]内，同时将Alpha散度扩展至多连续动作形式，其表达式如下： 其中：β为惩罚因子，Rθ为累计折扣奖励，Dalpha为Alpha散度惩罚项，α为Alpha散度超参数，σp、σq均为标准差，μp、μq均为均值；S4、将数据集划分为训练集与测试集，并将训练集存入状态池中；S5、基于训练集对每个智能体进行训练优化，获得优化M-APPO强化学习网络模型；S6、将测试集输入优化M-APPO强化学习网络模型中，完成对输电杆塔接地装置的腐蚀状态与剩余寿命的预测。

全文数据：

权利要求：

百度查询： 国网湖北省电力有限公司经济技术研究院 一种基于改进PPO算法的杆塔接地装置寿命预测方法及系统