[发明专利]一种电力电缆损耗及线芯温度预测方法

权利要求书

1.一种电力电缆损耗及线芯温度预测方法，其特征值在于，所述方法包括以下步骤：

S1：通过实验获取正常运行状态下电缆中的基波、谐波、电流值、电缆损耗值、导体温度数据；

S2：通过有限元软件，建立电缆的2D模型，利用有限元软件ANSYS复原实验，根据S1所获取的数据调整仿真结构材料的物理参数；然后仿真多组不同截面积电缆，获取仿真数据；

S3：选取训练样本：训练样本包括环境温度、电缆芯数，以及S2中所得的仿真数据；

S4：根据训练样本，构建一个Elman神经网络；

S5：对Elman神经网络用遗传算法先进行一次优化训练，然后使用BP算法进行二次优化训练；

S6：将实时采集到的电缆导体电流和电缆的环境温度输入到S5中训练好的网络，即可计算出电缆的损耗和线芯的温度。

2.根据权利要求1所述的电力电缆损耗及线芯温度预测方法，其特征值在于，S2所获取的仿真数据包括：基波、3次谐波、5次谐波、7次谐波、9次谐波、11次谐波和13次谐波的电流值，电流频率、线芯截面积、电缆损耗值、导体温度。

3.根据权利要求1所述的电力电缆损耗及线芯温度预测方法，其特征值在于，步骤S2中利用有限元仿真获得数据具体操作步骤如下：

根据敷设于空间域中的电缆及电缆附件的几何尺寸，分别建立电缆及其终端的几何模型；并输入材料的电气参数和热参数；电缆材料包括：铜导体、内外半导电屏蔽、交联聚乙烯绝缘、铜屏蔽、外护套；再使用电-热耦合法求出电缆在电压和电流同时作用下的温度场分布。

4.根据权利要求3所述的电力电缆损耗及线芯温度预测方法，其特征在于，电-热耦合法求解温度场分布的具体步骤如下：

S2.1：根据S1实验中电缆的几何尺寸建立电缆的2D模型；

S2.2：将电缆的2D模型导入有限元软件的电磁场和温度场，赋予电缆的各结构材料的电磁参数、边界条件、材料的热学参数、环境温度，并设置和实验时相同的导通电流，求解获得电磁损耗和导体温度；

S2.3：将仿真结果与实验结果进行对比，根据有限元软件的电-热耦合法的计算形式，调整材料的电磁参数和热参数，以使得仿真结果与电缆实际运行情况下各参数的误差小于10％；

S2.4：将调整好的材料参数赋予新建立的电缆模型中，模型为几款不同线芯截面积的电缆，使用上述S2.1-S2.2的方式，得到多组不同电流组合的电缆损耗值和导体温度数据。

5.根据权利要求2-4任一项所述的电力电缆损耗及线芯温度预测方法，其特征值在于，S4的具体操作为：将训练样本中的电缆芯数、线芯截面积、基波、3次谐波、5次谐波、7次谐波、9次谐波、11次谐波和13次谐波的电流值、环境温度做为输入，导体温度、电缆损耗值做为输出，构建一个Elman神经网络。

6.根据权利要求5所述的电力电缆损耗及线芯温度预测方法，其特征值在于，Elman神经网络的构建包括以下步骤：

S4.1：遗传算法参数设置：设置种群规模为e，进化次数为g次，交叉概率为h，变异概率为d；其中，种群规模为一个数集，Elman神经网络中的输入和输出为该数集中的数组；

S4.2：建立适应度函数，用来训练Elman神经网络，并把预测输出和期望输出之间的误差绝对值和作为个体适应度值；

S4.3：选择操作，基于适应度比例的选择策略，每个个体i的选择概率：

式中，N为种群个体数目，F_i、F_j分别为个体i、j的适应度；

S4.4：交叉操作，将第k个染色体a_k和将第l个染色体a_l在j位交叉操作；

S4.5：变异操作，选取第i个个体的第j个基因a_ij进行变异；

S4.6：判断算法是否满足误差精度或达到最大迭代次数，如果是，退出遗传算法，否则，返回继续迭代；将遗传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；若训练结果优于遗传算法训练结果，则输出BP训练的网络，否则，输出遗传算法训练的网络。