本发明专利技术公开了一种电缆温度的预测方法及装置，其方法包括：获取待测电缆的热路参数，以及电缆数据库的电缆温度训练样本，根据热路参数，计算得到待测电缆的缆芯温度序列数据，采用经验模态分解方法和完整集合经验模式分解方法，对缆芯温度序列数据进行平稳化处理，得到平稳化温度序列数据，基于电缆温度训练样本，建立时序组合预测模型，将热路参数和平稳化序列数据输入到时序组合预测模型，计算得到待测电缆的实时温度预测结果数据。有利于解决现有的电缆温度预测方法没有考虑电缆表面温度和电缆温升的暂态过程导致预测温度不精确的技术问题，提高了电缆温度的预测准确性。提高了电缆温度的预测准确性。提高了电缆温度的预测准确性。
【技术实现步骤摘要】
一种电缆温度的预测方法及装置
[0001]本专利技术涉及预测电缆温度的
，尤其涉及一种电缆温度的预测方法及装置。
技术介绍
[0002]电力电缆因其占比面积少、线路消耗低、运行可靠性高等优点，广泛应用于电力输配电系统。电缆温度作为电缆正常工作的关键状态参量，直接影响电缆的绝缘与载流能力。温度过高加速电缆绝缘老化，降低其绝缘性能，引发电缆局部放电事故；温度过低则降低电缆资源的利用率。所以，电缆导体的温度直接决定了电缆的输电能力，有必要对电缆运行温度进行实时监测。而温度预测系统可以针对电缆当前运行状态预测下一时间段的温度趋势，通过实时动态调整负荷电流大小，提高电缆整体输电效率。
[0003]目前，在电缆导体温度计算方面，电缆表面温度对电缆导体温度的影响息息相关，在未考虑表面温度的影响情况下，无法为温度场计算提供完整的边界条件，造成温度计算值与实际电缆运行测量值存在明显的偏差。在电缆导体温度计算与预测方面，目前绝大多数研究都是基于稳态热平衡方程，实际上电缆运行环境、负荷等都是时刻变化的，尤其在紧急调度情况下，不考虑电缆本体温升的暂态过程会导致预测温度不精确。
[0004]因此，为了提高电缆温度的预测准确性，解决目前存在的现有的电缆温度预测方法没有考虑电缆表面温度和电缆温升的暂态过程导致预测温度不精确的技术问题，亟需构建一种电缆温度的预测方法。
技术实现思路
[0005]本专利技术提供了一种电缆温度的预测方法及装置，解决了目前存在的现有的电缆温度预测方法没有考虑电缆表面温度和电缆温升的暂态过程导致预测温度不精确的技术问题。
[0006]第一方面，本专利技术提供了一种电缆温度的预测方法，包括：
[0007]获取待测电缆的热路参数，以及电缆数据库的电缆温度训练样本；所述电缆温度训练样本包括历史电缆温度数据及对应的样本类别标签；
[0008]根据所述热路参数，计算得到所述待测电缆的缆芯温度序列数据；
[0009]采用经验模态分解方法和完整集合经验模式分解方法，对所述缆芯温度序列数据进行平稳化处理，得到平稳化温度序列数据；
[0010]基于所述历史电缆温度数据及对应的样本类别标签，建立时序组合预测模型；
[0011]将所述热路参数和所述平稳化序列数据输入到所述时序组合预测模型，计算得到所述待测电缆的实时温度预测结果数据。
[0012]可选地，根据所述热路参数，计算得到所述待测电缆的缆芯温度序列数据，包括：
[0013]构建与所述热路参数对应的所述待测电缆的电缆本体暂态热路模型；
[0014]根据所述电缆本体暂态热路模型，计算所述待测电缆的所述缆芯温度序列数据。
[0015]可选地，采用经验模态分解方法和完整集合经验模式分解方法，对所述缆芯温度序列数据进行平稳化处理，得到平稳化温度序列数据，包括：
[0016]采用所述经验模态分解方法，对所述缆芯温度序列数据进行平稳化处理，得到初步平稳化温度序列数据；
[0017]运用所述完整集合经验模式分解方法，分解所述初步平稳化温度序列数据，得到所述平稳化温度序列数据。
[0018]可选地，基于所述历史电缆温度数据及对应的样本类别标签，建立时序组合预测模型，包括：
[0019]建立与所述历史电缆温度数据及对应的样本类别标签对应的初步时序组合预测模型；
[0020]根据所述历史电缆温度数据及对应的样本类别标签，训练所述初步时序组合预测模型，得到训练后的初步时序组合预测模型；
[0021]基于所述所述历史电缆温度数据及对应的样本类别标签，验证所述训练后的初步时序组合预测模型，得到所述时序组合预测模型。
[0022]可选地，根据所述历史电缆温度数据及对应的样本类别标签，训练所述初步时序组合预测模型，得到训练后的初步时序组合预测模型，包括：
[0023]将所述历史电缆温度数据中的电缆热路参数和电缆平稳化温度序列数据输入初步时序组合预测模型，生成对应的样本类别；
[0024]根据所述历史电缆温度数据中的电缆热路参数和电缆平稳化温度序列数据及对应的样本类别标签和所述样本类别，确定训练误差；
[0025]基于所述训练误差，对所述初步时序组合预测模型进行调整，得到最优参数，并采用所述最优参数，优化所述初步时序组合预测模型，得到所述训练后的初步时序组合预测模型。
[0026]第二方面，本专利技术提供了一种电缆温度的预测装置，包括：
[0027]获取模块，用于获取待测电缆的热路参数，以及电缆数据库的电缆温度训练样本；所述电缆温度训练样本包括历史电缆温度数据及对应的样本类别标签；
[0028]序列模块，用于根据所述热路参数，计算得到所述待测电缆的缆芯温度序列数据；
[0029]平稳模块，用于采用经验模态分解方法和完整集合经验模式分解方法，对所述缆芯温度序列数据进行平稳化处理，得到平稳化温度序列数据；
[0030]建立模块，用于基于所述历史电缆温度数据及对应的样本类别标签，建立时序组合预测模型；
[0031]计算模块，用于将所述热路参数和所述平稳化序列数据输入到所述时序组合预测模型，计算得到所述待测电缆的实时温度预测结果数据。
[0032]可选地，所述序列模块包括：
[0033]构建子模块，用于构建与所述热路参数对应的所述待测电缆的电缆本体暂态热路模型；
[0034]序列子模块，用于根据所述电缆本体暂态热路模型，计算所述待测电缆的所述缆芯温度序列数据。
[0035]可选地，所述平稳模块包括：
[0036]平稳子模块，用于采用所述经验模态分解方法，对所述缆芯温度序列数据进行平稳化处理，得到初步平稳化温度序列数据；
[0037]分解子模块，用于运用所述完整集合经验模式分解方法，分解所述初步平稳化温度序列数据，得到所述平稳化温度序列数据。
[0038]可选地，所述建立模块包括：
[0039]建立子模块，用于建立与所述历史电缆温度数据及对应的样本类别标签对应的初步时序组合预测模型；
[0040]训练子模块，用于根据所述历史电缆温度数据及对应的样本类别标签，训练所述初步时序组合预测模型，得到训练后的初步时序组合预测模型；
[0041]验证子模块，用于基于所述所述历史电缆温度数据及对应的样本类别标签，验证所述训练后的初步时序组合预测模型，得到所述时序组合预测模型。
[0042]可选地，所述训练子模块包括：
[0043]生成单元，用于将所述历史电缆温度数据中的电缆热路参数和电缆平稳化温度序列数据输入初步时序组合预测模型，生成对应的样本类别；
[0044]误差单元，用于根据所述历史电缆温度数据中的电缆热路参数和电缆平稳化温度序列数据及对应的样本类别标签和所述样本类别，确定训练误差；
[0045]优化单元，用于基于所述训练误差，对所述初步时序组合预测模型进行调整，得到最优参数，并采用所述最优参数，优化所述初步时序组合预测模型，得到所述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电缆温度的预测方法，其特征在于，包括：获取待测电缆的热路参数，以及电缆数据库的电缆温度训练样本；所述电缆温度训练样本包括历史电缆温度数据及对应的样本类别标签；根据所述热路参数，计算得到所述待测电缆的缆芯温度序列数据；采用经验模态分解方法和完整集合经验模式分解方法，对所述缆芯温度序列数据进行平稳化处理，得到平稳化温度序列数据；基于所述历史电缆温度数据及对应的样本类别标签，建立时序组合预测模型；将所述热路参数和所述平稳化序列数据输入到所述时序组合预测模型，计算得到所述待测电缆的实时温度预测结果数据。2.根据权利要求1所述的电缆温度的预测方法，其特征在于，根据所述热路参数，计算得到所述待测电缆的缆芯温度序列数据，包括：构建与所述热路参数对应的所述待测电缆的电缆本体暂态热路模型；根据所述电缆本体暂态热路模型，计算所述待测电缆的所述缆芯温度序列数据。3.根据权利要求1所述的电缆温度的预测方法，其特征在于，采用经验模态分解方法和完整集合经验模式分解方法，对所述缆芯温度序列数据进行平稳化处理，得到平稳化温度序列数据，包括：采用所述经验模态分解方法，对所述缆芯温度序列数据进行平稳化处理，得到初步平稳化温度序列数据；运用所述完整集合经验模式分解方法，分解所述初步平稳化温度序列数据，得到所述平稳化温度序列数据。4.根据权利要求1所述的电缆温度的预测方法，其特征在于，基于所述历史电缆温度数据及对应的样本类别标签，建立时序组合预测模型，包括：建立与所述历史电缆温度数据及对应的样本类别标签对应的初步时序组合预测模型；根据所述历史电缆温度数据及对应的样本类别标签，训练所述初步时序组合预测模型，得到训练后的初步时序组合预测模型；基于所述所述历史电缆温度数据及对应的样本类别标签，验证所述训练后的初步时序组合预测模型，得到所述时序组合预测模型。5.根据权利要求4所述的电缆温度的预测方法，其特征在于，根据所述历史电缆温度数据及对应的样本类别标签，训练所述初步时序组合预测模型，得到训练后的初步时序组合预测模型，包括：将所述历史电缆温度数据中的电缆热路参数和电缆平稳化温度序列数据输入初步时序组合预测模型，生成对应的样本类别；根据所述历史电缆温度数据中的电缆热路参数和电缆平稳化温度序列数据及对应的样本类别标签和所述样本类别，确定训练误差；基于所述训练误差，对所述初步时序组合预测模型进行调整，得到最优参数，并采用所述最优参数，优化所述初步时序组合预测模型，得到所述训练后的...
【专利技术属性】
技术研发人员：张志强，李新海，王伟平，梅龙军，朱余林，何炳锋，张琛，梁智康，孟晨旭，刘文平，刘均裕，傅希辰，周恒，产启中，邓小龙，
申请(专利权)人：广东电网有限责任公司中山供电局，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。