[发明专利]基于BP神经网络的三芯电缆导体暂态温度计算方法

说明书

本发明公开了一种基于BP神经网络的三芯电缆导体暂态温度计算方法，包括以下步骤：1、训练样本选取；选取载流量数据，所述载流量数据包括：电缆导体电流、电缆外皮温度和电缆导体温度；2、网络训练；构建一个四层BP神经网络，采用粒子群算法先进行一次优化，后使用BP算法进行二次优化方法训练网络；3、电缆导体暂态温度计算；将实时采集到的电缆导体电流和电缆外皮温度输入到步骤2中训练好的网络，即可计算出电缆的导体温度。具有无需考虑电缆本身的物性参数，即可准确地动态计算电缆的导体温度等优点。

技术领域

本发明涉及一种三芯电缆导体暂态温度计算技术，特别涉及一种基于BP神经网络的三芯电缆导体暂态温度计算方法。

背景技术

载流量为电缆在持续负荷中所能传输的最大电流，是电缆运行的重要参数。在该电流的作用下，线芯工作温度达到但不超过电缆主绝缘长期耐热温度(XLPE为90℃)，以保证电缆的寿命。如果载流量偏大而导致线芯工作温度超过允许值，电缆的寿命将比期望寿命大大缩短。如果载流量偏小，但是电缆线芯的铜材或者铝材没有得到充分的利用。因此，只要能够准确掌握电缆导体温度，就可以挖掘现有电缆载流量能力，不仅能节约电缆的投资，而且能提高电缆的运行水平和利用率。因而准确计算电缆导体温度成为关键。

由于实际运行电缆线路的负荷电流不是持续不变而是周期变化的，且电缆外部运行环境(埋深处的地温和土壤热阻系数)受多因素影响的量，使得电缆导体的温度是一个时刻变化的物理量。因而电缆导体温度的暂态计算是电缆状态检测的重要手段。电缆的暂态温升计算大都基于电缆的热路模型，常用的方法是分别计算电缆本体和电缆外部环境两部分的暂态响应，然后进行叠加，但该方法计算的准确性仍然受外部环境因素影响。随着测温技术的发展，电缆外皮温度的在线监测得以实现。通过测量外皮温度，再根据电缆的热路暂态模型就可以反推出导体温度。由于导体温度计算只与本体参数有关，所以摆脱了外部环境影响。但在运用这种方法计算过程中，热路的暂态模型比较难确定。

目前，国内外比较有代表性的模型包括动态反馈仿真模型、梯形热网络模型[和传热模型，这几种模型的计算结果都比较准确，但均需求解大量非线性方程。为简化计算，国内学者提出的方法包括以下：在建立单芯电缆等效暂态热路模型基础上，采用Runge-Kutta法求解微分方程组,计算电缆暂态温升,根据光纤测得外皮温度反推导体温度；在建立单芯电缆等效Laplace热路模型基础上,剖分实际连续变化运行电流为等效的阶跃电流，计算不同时间段阶跃电流的产热量，以及实际持续变化电流下的电缆线芯温度；基于电缆实时外皮温度和运行电流，运用BP神经网络实时计算单芯电缆的导体温度。该方法具有较高的精度，且不受电缆本身的物性参数影响。以上方法大都运用于单芯电缆导体暂态温度的计算，对于在三芯电缆导体暂态温度的计算方面的研究却较为匮乏。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于BP神经网络的三芯电缆导体暂态温度计算方法，该计算方法解决了三芯电缆导体暂态温度的计算问题，提高了导体温度的计算精度。

本发明的目的通过下述技术方案实现：基于BP神经网络的三芯电缆导体暂态温度计算方法，包括以下步骤：

步骤1、训练样本选取：选取载流量实验数据，包括电缆导体电流、电缆外皮温度和电缆导体温度；

步骤2、网络训练：将训练样本中的电缆导体电流、电缆外皮温度做为输入，电缆导体温度做为输出，构建一个四层神经网络。使用粒子群算法先进行一次优化，后使用BP算法进行二次优化方法训练网络；

步骤3、电缆导体暂态温度计算：将实时采集到的导体电流、电缆外皮温度输入到训练好的网络，即可计算出电缆的导体温度。

在步骤2中，所述采用粒子群算法先进行一次优化，后使用BP算法进行二次优化方法训练网络包括以下步骤：

步骤21、设定粒子群的粒子数m＝40，初始化粒子群，即为每一组权值、阈值赋初值如下式：