[发明专利]一种微波和红外联合的电缆接头内部温度反演方法

说明书

本发明涉及电力电缆技术，具体涉及一种微波和红外联合的电缆接头内部温度反演方法，包括获取神经网络训练数据集，对不同绝缘层厚度d、不同介电常数(ε)绝缘材料电缆进行红外和微波辐射测量，得到相应的红外亮温TB_inf和微波亮温TB_mwr；建立用于反演电缆接头内部物理温度的神经网络；利用数据集和利用植入光纤或者热敏电阻测量得到的电缆接头内部温度T训练神经网络；用训练好的神经网络来反演电缆接头内部温度；通过判断Δ＝|TB_mwr‑TB_sim|，得到最终的电缆接头内部温度。该方法结合微波和红外两种技术进行温度反演最终得到电缆接头内部温度，提升电缆接头内部温度反演的准确度。

技术领域

本发明属于电力电缆技术领域，特别涉及一种微波和红外联合的电缆接头内部温度反演方法。

背景技术

电缆附件(包括终端接头和中间接头)是电力线路中与电缆同等重要、保障安全运行的重要部分。为防范异常温度引发的电缆线路安全问题，需要时刻监控电缆接头的温度状况。目前基于红外辐射的测温和基于光纤的测温是主要的推演内部导体温度的方法。但这些方法存在的主要问题是，电缆内部导体温度是通过利用表面温度计算热传导方程得到，而非直接测量获取，因此存在较大的不确定性。微波可以穿透绝缘层，因而相比红外测量来说，更接近电缆线芯，更易于反演内部导体温度。但是当目标电缆内部结构不明确时，单纯依靠微波亮温进行内部温度的求解，存在较大不确定性。因此，单一技术手段在电缆附件温度检测中都存在一定的不足。

发明内容

针对背景技术存在的问题，本发明提供了一种微波和红外联合的电缆接头内部温度反演方法。

为解决上述技术问题，本发明采用如下技术方案：一种微波和红外联合的电缆接头内部温度反演方法，包括以下步骤：

步骤1、利用红外和微波两种技术对电缆进行测量，包括对不同绝缘层厚度d、不同介电常数ε绝缘材料电缆进行红外辐射和微波辐射测量，得到相应的红外亮温TB_inf和微波亮温TB_mwr，其中一部分测量亮温数据用于神经网络训练数据集，而另一部分测量亮温数据用于反演数据集；

步骤2、建立用于反演电缆接头内部物理温度的神经网络；

步骤3、利用步骤1获取的神经网络训练数据集和植入光纤或者热敏电阻测量得到电缆接头内部温度T对步骤2建立的神经网络进行训练；

步骤4、使用训练好的神经网络反演电缆接头内部温度T；

步骤5、将步骤4得到的电缆接头内部温度T，代入微波辐射正向传输模型，得到微波亮温TB_mwr，比较微波亮温TB_mwr与红外亮温TB_sim；判断Δ＝|TB_mwr-TB_sim|是否小于微波辐射计亮温灵敏度，若Δ小于辐射计灵敏度，则判断电缆接头内部温度T为最终的反演结果；

步骤6、若Δ大于辐射计灵敏度，则将神经网络模型计算出来的电缆温度作为迭代反演的初始值，利用牛顿法或者其它迭代求解方法计算出下一次迭代的T(n+1)，直到满足灵敏度要求，得到最终电缆接头温度。

在上述微波和红外联合的电缆接头内部温度反演方法中，步骤2的实现包括建立三层神经网络；输入神经元为绝缘层厚度d、绝缘材料介电常数ε、红外亮温TB_inf和微波亮温TB_mwr，输出电缆接头内部温度T；激活函数采用sigmoid函数，隐藏层的神经元个数由误差函数及数据相关性决定；

误差函数表示为：

其中，M为训练样本数，根据测试集的反演结果与实际电缆接头内部温度的均方根误差RMS最小来确定最佳隐藏层神经元个数：