一种基于分布式光纤在线测温系统的电缆导体温度估算方法技术方案

本发明专利技术在于提供一种基于分布式光纤在线测温系统的电缆导体温度估算方法。所述方法所述的估算方法包括以下步骤：步骤1.构建模型数据序列；步骤2.根据步骤1的数据序列，构建电缆导体温度预测模型；步骤3.将测试集的负荷电流数据、环境温度数据和电缆表皮温度数据输入到模型中，即可估算出电缆导体的温度。本申请提供的方法避免了电缆导体和表皮之间的温度传输解析式求解，也不受电缆本身的结构物理参数影响，具有较高的精度和实用性。具有较高的精度和实用性。具有较高的精度和实用性。

A cable conductor temperature estimation method based on distributed optical fiber online temperature measurement system

【技术实现步骤摘要】
一种基于分布式光纤在线测温系统的电缆导体温度估算方法


[0001]本专利技术涉及电缆导体温度实时估算
，更具体地说，涉及一种电缆导体温度估算方法。

技术介绍

[0002]电缆在输电和供配电领域广泛应用，电力电缆运行中的导体温度是评估其载流量和安全性的重要依据。为此，很多电力企业和用户在其变电站内引入光纤在线测温系统，以便对电缆运行温度进行实时监测。
[0003]但现行的测温系统存在以下问题：一是多数测温探头都是非直接测量，易受环境温度和测量方法影响，且精确度不够高，二是由于电缆热时间常数的存在，负荷电流变化时，电缆导体温度达到稳定状态需要一段时间，电缆表皮温升也滞后于导体温升，所以考虑负荷电流变化、环境温度和电缆表皮温度的综合导体温度计算方法具有很强的实用性。

技术实现思路

[0004]所述方法利用变电站计量系统的负荷电流、光纤测温系统采集的电缆表皮温度、环境温度和电缆导体温度数据，利用动态时间规整算法(DTW)进行时间序列相似性计算，得到电缆负荷电流对应的电缆表皮温度和电缆导体温度。基于深度神经网络Keras框架搭建基于注意力机制的长短时记忆(LSTM)算法模型，将负荷电流、环境温度、电缆表皮温度和电缆导体温度作为模型的输入数据进行训练，得到模型之后，将负荷电流、环境温度和电缆表皮温度的数据输入到模型中，即可估算出电缆导体温度。
[0005]为了实现上述目的，本专利技术是采用以下技术方案实现的：所述的估算方法包括以下步骤：
[0006]步骤1.构建模型数据序列；
>[0007]步骤2.根据步骤1的数据序列，构建电缆导体温度预测模型；
[0008]步骤3.将测试集的负荷电流数据、环境温度数据和电缆表皮温度数据输入到模型中，即可估算出电缆导体的温度。
[0009]优选的，所述的步骤1构建模型数据序列，采集电缆负荷电流数据、环境温度数据、电缆表皮温度和电缆导体温度数据。基于电缆负荷电流数据，利用DTW算法进相似性计算，得到电缆负荷电流序列对应的电缆表皮温度序列和电缆导体温度序列。
[0010]优选的，所述的步骤2包括以下步骤
[0011]S201将负荷电流数据、环境温度数据、电缆表皮温度和电缆导体温度数据归一化；
[0012]S202将归一化的数据转换成监督学习数据；
[0013]S203将数据分割为训练集和测试集；
[0014]S204基于深度神经网络Keras框架搭建基于注意力机制的长短时记忆(LSTM)算法模型，将训练集输入到模型进行训练，根据损失进行模型的优化。
[0015]优选的，所述的步骤1采用以下具体方案实现：步骤1.利用DTW算法分别计算电缆
负荷电流序列与电缆导体温度序列、表皮温度序列的相似性以构建模型的输入数据：
[0016]D(i,j)＝||T
i
,T
j
||+min{D
i
‑
1,j
,D
i,j
‑1,D
i
‑
1,j
‑1}
[0017]D＝[D1,D2···
D
l
][0018]d＝min{D}
[0019]其中，||
·
||为两点坐标的二范数，I为电缆负荷电流序列，T为电缆导体温度序列或电缆表皮温度序列，D为相似性值的一维矩阵，d为相似性值矩阵中的最小值。将电缆负荷电流序列I，I对应的电缆表皮温度序列T1、电缆导体温度序列T2，以及环境温度序列T3作为训练模型的输入数据。
[0020]优选的，步骤2.基于步骤1的数据序列，构建电缆导体温度估算模型。
[0021]S201将负荷电流数据序列I，环境温度序列T3、电缆表皮温度序列T1和电缆导体温度序列T2分别归一化到[0,1]：
[0022][0023]其中，x为归一化后的值，X为时间序列的值，X
max
为时间序列的最大值，X
min
为时间序列的最小值，归一化后的电缆负荷电流序列为I＝[i1,i2,
…
i
n
]，环境温度序列为T3＝[t”1
,t”2
,
…
t”n
]，电缆表皮温度序列为T1＝[t1,t2,
…
t
n
]，电缆导体温度序列为T2＝[t'1,t'2,
…
t'
n
]；
[0024]S202将归一化后的数据转换成监督学习数据；
[0025][0026]S203数据分割为训练集和测试集。将S202中的数据分为训练集和测试集：
[0027][0028][0029]其中，0<x<1，A
train
为训练集，A
test
为测试集；
[0030]S204基于深度神经网络Keras框架搭建基于注意力机制的长短时记忆(LSTM)算法模型，将训练集A
train
输入到模型进行训练，根据损失进行模型的优化。
[0031]本专利技术有益效果:
[0032]利用变电站计量系统的负荷电流、光纤测温系统采集的电缆表皮温度、环境温度和电缆导体温度的实验数据，利用动态时间规整算法(DTW)进行时间序列相似性计算，得到电缆负荷电流对应的电缆表皮温度和电缆导体温度。基于深度神经网络Keras框架搭建基于注意力机制的长短时记忆(LSTM)算法模型，将负荷电流、环境温度、电缆表皮温度和电缆导体温度作为模型的输入数据进行训练，得到模型之后，将负荷电流、环境温度和电缆表皮温度的数据输入到模型中，即可估算出电缆导体温度。本申请提供的方法避免了电缆导体和表皮之间的温度传输解析式求解，也不受电缆本身的结构物理参数影响，具有较高的精度和实用性。
附图说明
[0033]附图1为两个生产时间段的采集数据；
[0034]附图2为本专利技术导体温度估算整体流程图；
[0035]附图3(a)为第一种生产时段电缆导体温度估算结果，(b)为估算误差图；
[0036]附图4(a)为第二种生产时段电缆导体温度估算结果，(b)为估算误差图；
具体实施方式
[0037]为了便于本领域一般技术人员理解和实现本专利技术，现结合附图及具体实施例进一步描述本专利技术的技术方案。
[0038]如图所示，本实施例利用testo880红外热像仪对变电站进线110kV交联聚乙烯电缆接头处的电缆导体进行固定测量，每隔1min记录一次温度数据，与变电站的温度计测量的环境温度，变电站计量系统的电缆负荷电流，分布式光纤在线测温系统测量到的电缆表皮温度共同构成电缆导体温度预测的数据。根据生产特点进行数据采集：1)烟叶复烤车间时间为每年11月到次年5月初，此时段内整个厂区负荷最大；2)卷包车间机台从00:00逐步停丝，负荷开始下降。在5月～11月和11月至次年5月分别采集一组数据。附图1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分布式光纤在线测温系统的电缆导体温度估算方法，其特征在于：所述的估算方法包括以下步骤：步骤1.构建模型数据序列；步骤2.根据步骤1的数据序列，构建电缆导体温度预测模型；步骤3.将测试集的负荷电流数据、环境温度数据和电缆表皮温度数据输入到模型中，即可估算出电缆导体的温度。2.根据权利要求1所述的一种基于分布式光纤在线测温系统的电缆导体温度估算方法，其特征在于：所述的步骤1构建模型数据序列，采集电缆负荷电流数据、环境温度数据、电缆表皮温度和电缆导体温度数据。利用动态时间规整算法(DTW)进行时间序列相似性计算，得到电缆负荷电流对应的电缆表皮温度和电缆导体温度。3.根据权利要求1或2所述的一种基于分布式光纤在线测温系统的电缆导体温度估算方法，其特征在于：所述的步骤2包括以下步骤：S201将负荷电流数据、环境温度数据、电缆表皮温度和电缆导体温度数据归一化；S202将归一化的数据转换成监督学习数据；S203将数据分割为训练集和测试集；S204基于深度神经网络Keras框架搭建基于注意力机制的长短时记忆(LSTM)算法模型，将训练集输入到模型进行训练，根据损失进行模型的优化。4.根据权利要求3所述的一种基于分布式光纤在线测温系统的电缆导体温度估算方法，其特征在于：所述的步骤1采用以下具体方案实现：步骤1.利用DTW算法分别计算电缆负荷电流序列与电缆导体温度序列、表皮温度序列的相似性以构建模型的输入数据：D(i,j)＝||I
i
,T
j
||+min{D
i
‑
1,j
,D
i,j
‑1,D
i
‑
1,j
‑1}D＝[D1,D2…
D
l
]d＝min{D}其中，||
·
||为两点坐标的二范数，I为电缆负荷电流序列，T为电...

【专利技术属性】
技术研发人员：王洪帅，段剑华，郭文斌，施绍兴，张薇，张如品，朱力，张宗兴，
申请(专利权)人：红塔烟草集团有限责任公司，
类型：发明
国别省市：