[发明专利]一种基于BP神经网络的配电电缆绝缘层实时温度计算方法

说明书

技术领域

本发明涉及一种基于BP神经网络的配电电缆绝缘层实时温度计算方法，属电力电缆状态监测于技术领域。

背景技术

目前，电力电缆作为电网中常用的电能传输设备，电缆的运行状态一直是电力运行维护人员所关心的问题。电缆的寿命主要取决于电缆绝缘层的老化程度，当绝缘层在电缆运行过程中一直处于较高状态时，会加速绝缘老化程度，缩短电缆的使用寿命。同时，处于高温状态的电缆绝缘层，其绝缘能力也会大大下降，甚至有可能发生丧失绝缘能力，引起短路故障，进而影响电能传输和电力系统的稳定性。因而监测电缆的绝缘层温度，在高温状态下，有针对性地采取散热和降温措施，保证电缆的正常运行是十分必要的。

然而受现有温度测量技术的限制，通过光纤测温技术，只能测得电缆运行的外表皮温度，无法直接通过测量获得电缆的绝缘层温度，例如申请号201310226382.5的中国专利《利用光纤测量电缆温度的测量方法》。目前在解决配电电缆绝缘层温度问题上主要采用的是解析法，根据电缆的物理参数，建立电缆的暂态热路模型，可以由外表皮温度推算电缆各层的温度，包括绝缘层温度，虽然通过该方法可以获得电缆的绝缘层温度，但是该方法的计算结果误差较大，对于工程实践而言，无法准确把握电缆实时运行状态。而且计算配电电缆的绝缘层温度主要采用解析法，根据配电电缆结构，建立热路模型，基于配电电缆的外表皮温度，反推出配电电缆的绝缘层温度。该方法建模过程复杂，参数计算公式冗长，电缆绝缘层温度计算误差较大。

而针对高压单芯电缆，采用有限元方法，根据电缆的本身结构和运行环境，建立电缆的有限元计算模型，可以获得电缆各层包括绝缘层的温度，计算精度相对于解析法有较大提高，但是有限元方法建立数学模型的过程复杂，参数计算公式冗长，电缆绝缘层温度计算误差较大。

发明内容

本发明要解决的技术问题是，针对现有技术不足，提出一种基于BP神经网络的配电电缆绝缘层实时温度计算方法。

本发明为了解决上述技术问题提出的技术方案是：一种基于BP神经网络的配电电缆绝缘层实时温度计算方法，该方法执行如下步骤：

1）获取配电电缆部分参数作为训练样本和测试数据，所述配电电缆部分参数包括配电电缆导体的运行电流、电缆的外表皮实时温度、电缆的绝缘层实时温度；

2）建立三层BP神经网络，包括输入层、隐含层、输出层，其输入为配电电缆导体的运行电流和电缆的外表皮实时温度，其输出为配电电缆的绝缘层实时温度；

3）以获取的配电电缆运行数据作为训练样本，将人工鱼群算法与神经网络相结合，训练网络得到最优的神经网络结构；

4）将实时采集的配电电缆导体运行电流和外表皮温度输入到步骤3中训练好的BP神经网络模型，便可以输出配电电缆的绝缘层实时温度。

上述技术方案的改进是：所述输入层包括至少两个神经元，所胡输出层包括至少一个神经元，隐含层包括至少三个神经元，最多不超过九个神经元。

上述技术方案的改进是：所述隐含层的神经元个数是通过多次的不同网络训练结果确定；通过训练不同隐层神经元个数的BP神经网络，选择输出误差小且计算速度快的BP神经网络，即确定该BP神经网络的隐含层的神经元个数。

上述技术方案的改进是：在步骤3中所述将人工鱼群算法与神经网络相结合，以输出误差最小为寻优对象，在BP神经网络训练过程中，不断调整BP神经网络的连接权值和阈值，进而获得最优的BP神经网络结构。

本发明采用上述技术方案的有益效果是：本发明提出的配电电缆绝缘层温度计算方法，将鱼群算法与BP神经网络相结合应用于电缆绝缘层温度计算中，结合配电电缆的实际运行数据，对BP神经网络进行训练，得到配电电缆的绝缘层温度计算模型，相比于现有方法，本专利提出的方法，不用考虑电缆的结构及敷设环境等非线性因素，通过鱼群算法的优化得到性能较优的神经网络模型，计算误差小。

附图说明

下面结合附图对本发明作进一步说明。

图1是本发明实施例的方法的实现流程图。

图2是本发明实施例的三层的BP神经网络拓扑结构图。

图3是本发明实施例的鱼群算法优化BP神经网络的流程图。

图4是本发明实施例的BP神经网络测试计算结果图。

具体实施方式

实施例

本实施例的一种基于BP神经网络的配电电缆绝缘层实时温度计算方法，如图1所示，该方法执行如下步骤：