[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

摘要

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。

主权项

1.一种基于BP神经网络的三芯电缆导体暂态温度计算方法，其特征在于，包括以下步骤：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；步骤2、网络训练；构建神经网络，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；步骤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；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：Xi＝(Wi1(:),b1i(:),Wi2(:),b2i(:),Wi3(:),b3i(:))，式中，Wi1(:),Wi2(:),Wi3(:)为权值，b1i(:),b2i(:),b3i(:)为阈值，其中Xi表示第i个粒子；所述神经网络是一个2‑8‑8‑1的四层BP神经网络，并由电缆导体电流和电缆外皮温度作为输入、电缆导体温度作为输出构建而成；步骤22、将网络的输出误差定义为粒子的适应度函数，计算各粒子的适应度：式中，N为样本数，P为输出维数，O为网络输出，d为目标输出；对每一个粒子，比较当前粒子的适应度与先前的最佳适应度，将二者较小值设为当前粒子的局部极值；选择所有粒子适应度中适应度最小的一个作为全局极值，并按下式更新粒子速度：vij(k+1)＝wvij(k)+c1r1[Qij(k)‑xij(k)]+c2r2[Qgj(k)‑xij(k)]，式中,c1＝c2＝2，为加速常数；v1,v2为两取值区间为[0 1]的随机数；vij∈[‑vmax，vmax]为第i个粒子第j维空间的速度，vmax＝1，为允许移动的最大速度；xij∈[‑xmax，xmax]为第i个粒子第j维空间的位置，xmax为允许的最大空间位置；Qij为第i个粒子第j维空间的局部极值，Qgj为第j维空间的全局极值，w为惯性权重系数，并设置为随迭代次数增加而减小的函数：w(t)＝wmin+(wmax‑wmin)(tmax‑t)/tmax，式中，t为当前迭代数，tmax为最大迭代次数，惯性权重系数最大值wmax＝0.9，最小值wmin＝0.4；按下式更新粒子的位置：xij(k+1)＝xij(k)+vij(k+1)，式中，xij(k)为粒子迭代次数为k时第j维空间的位置；xij(k+1)为粒子迭代次数为k+1时第j维空间的位置；vij(k+1)为粒子迭代次数为k+1时第j维空间的速度；步骤23、判断算法是否满足误差精度或达到最大迭代次数，如果是，则退出PSO算法，否则，返回继续迭代；将PSO算法得到的权值和阈值作为初值，继续使用BP算法进行二次优化；若训练结果优于PSO训练结果，则输出BP训练的网络，否则，输出PSO训练的网络。