【技术实现步骤摘要】
本专利技术涉及电力，特别是涉及一种高压电缆导体温度预测方法。
技术介绍
1、随着社会各个领域对电能需求的不断升高，电缆作为重要的电能传输与应用的载体，其利用率及导体温度计算已成为研究热点。这是由于电缆导体温度的精确计算和预测是保证电缆安全可靠运行的重要前提，若电缆导体温度长时间超过电缆绝缘层长期耐受温度，电缆的寿命将会大幅缩短，严重时还可能导致电缆热击穿，降低电网的可靠性；若电缆导体温度长时间大幅度低于电缆绝缘层长期耐受温度，则又意味着电缆线芯材料的利用率较低，造成资源浪费。而且，在特殊情况或者线路故障时，若能够准确把控电缆导体实时温度变化，则可以使电缆短时过负荷运行以分担线路负荷，既能够提高电缆材料利用率，又能够达到动态增容的效果。因此，对电缆导体温度进行计算和预测是很有必要的。
2、现有常用的电缆导体温度计算方法主要基于iec60287和iec60853提出的热路模型进行计算，后续有研究人员采用有限差分法、有限元法、无网格伽辽金法、边界元法等经典数值分析方法对不同复杂条件下的电缆的温度场分布和载流量进行研究，也有一些研究人员通过实时监测运行获得电缆的表面温度，以此确定电缆的潜在输电容量实现动态增容。
3、然而，通过上述方法对电缆导体温度进行预测，大都需要基于电缆导体外皮的温度数据以及电缆各层结构的热物性参数进行，由此获得的预测结果一方面会因为电缆导体自身参数引入误差，另一方面会因为外部环境参数的变化产生误差，前者主要是由于电缆自身物性参数具有时变性以及电缆暂态热路模型中对热容采用了集总参数引起的；后者
4、由此可见，现有的电缆导体温度计算和预测方法存在因上述误差引入而导致的预测精度不高的问题，需要进行改善。
技术实现思路
1、本专利技术实施例所要解决的技术问题在于，提供一种高压电缆导体温度预测方法，能够解决现有电缆导体温度计算和预测方法中由于所引用的计算参数具有时变性以及对所引用的计算参数的处理而引入误差导致的预测精度不高的问题，实现高压电缆导体温度的高精度短期预测。
2、为解决上述技术问题，本专利技术实施例提供一种高压电缆导体温度预测方法，包括下列步骤：
3、获取高压电缆的历史电缆表面温度、历史环境温度以及历史电缆导体温度；
4、将所述历史电缆表面温度、所述历史环境温度以及所述历史电缆导体温度输入已训练好的基于narx神经网络的高压电缆导体温度预测模型中进行预测，得到所述高压电缆当前时刻的电缆导体温度。
5、进一步地，所述基于narx神经网络的高压电缆导体温度预测模型的训练过程，具体包括：
6、获取所述高压电缆的历史温度特征数据，并以所述历史温度特征数据建立所述高压电缆的高压电缆导体温度预测样本集，所述历史温度特征数据包括电缆导体温度、电缆表面温度以及环境温度；
7、对所述高压电缆导体温度预测样本集进行预处理，并将其划分为训练集和测试集；
8、建立所述基于narx神经网络的高压电缆导体温度预测模型，其输入量为电缆表面温度、环境温度以及电缆导体温度的历史值，输出量为电缆导体温度的当前值；
9、利用所述训练集对所述基于narx神经网络的高压电缆导体温度预测模型进行训练。
10、进一步地，所述获取所述高压电缆的历史温度特征数据，具体包括：
11、建立所述高压电缆的周期负荷暂态温升实验系统；
12、通过所述周期负荷暂态温升实验系统获取所述高压电缆的所述历史温度特征数据。
13、进一步地，所述获取高压电缆的历史电缆表面温度、历史环境温度以及历史电缆导体温度的步骤，具体包括：
14、通过所述周期负荷暂态温升实验系统获取所述高压电缆的所述历史电缆表面温度、所述历史环境温度以及所述历史电缆导体温度。
15、进一步地，所述利用所述训练集对所述基于narx神经网络的高压电缆导体温度预测模型进行训练，具体包括：
16、s1.将所述训练集中的历史温度特征数据输入所述基于narx神经网络的高压电缆导体温度预测模型进行预测，获得预测结果；
17、s2.以误差自相关水平和输入-误差相关水平作为评价指标，对所述预测结果进行评估，以判断所述预测结果是否达到预设要求，若所述预测结果已达到预设要求，则进入步骤s3；若所述预测结果未达到预设要求，则调整所述基于narx神经网络的高压电缆导体温度预测模型的参数，并返回所述步骤s1；
18、s3.保存所述基于narx神经网络的高压电缆导体温度预测模型为所述已训练好的基于narx神经网络的高压电缆导体温度预测模型。
19、进一步地，所述参数包括所述基于narx神经网络的高压电缆导体温度预测模型的隐藏层神经元数、延时阶数、输入层节点数、输出层节点数和迭代次数。
20、进一步地，所述基于narx神经网络的高压电缆导体温度预测模型的训练过程，进一步包括：
21、利用所述测试集对经所述训练集训练的所述基于narx神经网络的高压电缆导体温度预测模型进行评估。
22、进一步地，所述基于narx神经网络的高压电缆导体温度预测模型的隐藏层神经元数基于下式确定：
23、
24、其中，式中g为所述高压电缆导体温度预测模型的隐藏层神经元数、k为所述高压电缆导体温度预测模型的输入层节点数、l为所述高压电缆导体温度预测模型的输出层节点数，a为[1,10]之间的常数。
25、进一步地，所述基于narx神经网络的高压电缆导体温度预测模型的隐藏层神经元数的初始值基于下式确定：
26、
27、其中，式中g为所述高压电缆导体温度预测模型的隐藏层神经元数、k为所述高压电缆导体温度预测模型的输入层节点数、l为所述高压电缆导体温度预测模型的输出层节点数，a为[1,10]之间的常数。
28、实施本专利技术实施例，具有如下有益效果：本专利技术实施例的高压电缆导体温度预测方法基于narx神经网络对高压电缆导体温度直接进行预测，无需考虑电缆本身的物性参数，能够避免现有技术采用的电缆热路模型忽略电缆各层内部不均匀温升或采用的参数具有时变性或处理不当所带来的误差，从而解决现有电缆导体温度计算和预测方法中由于所引用的计算参数具有时变性以及对所引用的计算参数例如热容、热阻等外部环境参数的处理而引入误差导致的预测精度不高的问题，提高了高压电缆导体温度的预测精度，实现高压电缆导体温度的高精度短期预测。
本文档来自技高网...【技术保护点】
1.一种高压电缆导体温度预测方法，其特征在于，包括下列步骤：
2.根据权利要求1所述的高压电缆导体温度预测方法，其特征在于，所述基于NARX神经网络的高压电缆导体温度预测模型的训练过程，具体包括：
3.根据权利要求2所述的高压电缆导体温度预测方法，其特征在于，所述获取所述高压电缆的历史温度特征数据，具体包括：
4.根据权利要求3所述的高压电缆导体温度预测方法，其特征在于，所述获取高压电缆的历史电缆表面温度、历史环境温度以及历史电缆导体温度的步骤，具体包括：
5.根据权利要求2所述的高压电缆导体温度预测方法，其特征在于，所述利用所述训练集对所述基于NARX神经网络的高压电缆导体温度预测模型进行训练，具体包括：
6.根据权利要求5所述的高压电缆导体温度预测方法，其特征在于，所述参数包括所述基于NARX神经网络的高压电缆导体温度预测模型的隐藏层神经元数、延时阶数、输入层节点数、输出层节点数和迭代次数。
7.根据权利要求2或5所述的高压电缆导体温度预测方法，其特征在于，所述基于NARX神经网络的高压电缆导体温度预测模
8.根据权利要求2、5或6所述的高压电缆导体温度预测方法，其特征在于，所述基于NARX神经网络的高压电缆导体温度预测模型的隐藏层神经元数基于下式确定：
9.根据权利要求2、5或6所述的高压电缆导体温度预测方法，其特征在于，所述基于NARX神经网络的高压电缆导体温度预测模型的隐藏层神经元数的初始值基于下式确定：
...【技术特征摘要】
1.一种高压电缆导体温度预测方法，其特征在于，包括下列步骤：
2.根据权利要求1所述的高压电缆导体温度预测方法，其特征在于，所述基于narx神经网络的高压电缆导体温度预测模型的训练过程，具体包括：
3.根据权利要求2所述的高压电缆导体温度预测方法，其特征在于，所述获取所述高压电缆的历史温度特征数据，具体包括：
4.根据权利要求3所述的高压电缆导体温度预测方法，其特征在于，所述获取高压电缆的历史电缆表面温度、历史环境温度以及历史电缆导体温度的步骤，具体包括：
5.根据权利要求2所述的高压电缆导体温度预测方法，其特征在于，所述利用所述训练集对所述基于narx神经网络的高压电缆导体温度预测模型进行训练，具体包括：
6...
【专利技术属性】
技术研发人员：洪锰，赖武聪，王志坚，韦腾飞，曾睿哲，李冠霖，许志锋，
申请(专利权)人：深圳供电局有限公司，
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。