一、项目概述

　　越来越多的用户关注对电能质量问题的治理工作，但在采取相应措施解决问题之前，首先应掌握电能质量的实际数据和状况，但对于海量的监测数据，难以采用人工的方式进行数据分析 ，对此，偃师市供电有限公司在国内进行了广泛的调研以及大量的技术交流，最终确定采取建立电能质量监测数据网，动态监测电能质量数据的方案来解决目前问题。

　　本项目软件部分采用基于J2EE标准的hibernate+spring+webwork的框架，动态监测技术，嵌入式操作系统，使用标准XML数据作为交换工具，后经无损数据压缩，配以传统的网络通信等技术，将监测回路的电能质量数据传回后台数据库，实现对电能质量数据分析和查阅。

　　二、系统设计

　　2.1系统设计思路

　　影响电能质量的因素很多，现行国标规定了频率偏差、电压偏差、谐波分量、系统不平衡度及分量、波动闪变、暂态的标准。拟建立三层BP神经网络数学模型，将以上影响电能质量的各个因素作为系统之输入层(x1,x2,…….xn)。输出层(y1,y2,……yn)便可作为评估电能质量的综合指标。Wij表示输入层第i个神经元与隐含层第j个神经元之间的连接权重;Wjk表示隐含层第j个神经元与输出层第k个神经元之间的连接权重。权值为零，表明两个神经元数据不发生相互影响，为正促进作用，为负抑制作用。在隐含层和输出层中设置阈值，便于调节系统兴奋水平。当有信息向网络输入，信息首先由输入层传至隐含层节点，经特性函数作用，再传至输出层输出，节点的特征函数必须要求可微，可先使用f(x)=1/(1+e(-x))作为特征函数。

　　系统模型学习目的是对网络的连接权进行调整，使对电能质量任一输入因素都能得到期望的输出值。学习的方法用一组历史训练样本对系统网络进行训练，由网络从第一个隐含层开始逐层计算，并向下层传递，直到传出输出层，中间的每一层元素只影响下一层的状态。然后，以输出值与样本的期望值进行比较，若不能满足误差要求，则沿连接通路逐层返回，并利用本次误差对节点权重及阈值进行调整，使预测误差逐步减小，直到满足要求为止。