欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

基于bp神經(jīng)網(wǎng)絡的三芯電纜導體暫態(tài)溫度計算方法

文檔序號:6629025閱讀:259來源:國知局
基于bp神經(jīng)網(wǎng)絡的三芯電纜導體暫態(tài)溫度計算方法
【專利摘要】本發(fā)明公開了一種基于BP神經(jīng)網(wǎng)絡的三芯電纜導體暫態(tài)溫度計算方法,包括以下步驟:1、訓練樣本選?。贿x取載流量數(shù)據(jù),所述載流量數(shù)據(jù)包括:電纜導體電流、電纜外皮溫度和電纜導體溫度;2、網(wǎng)絡訓練;構(gòu)建一個四層BP神經(jīng)網(wǎng)絡,采用粒子群算法先進行一次優(yōu)化,后使用BP算法進行二次優(yōu)化方法訓練網(wǎng)絡;3、電纜導體暫態(tài)溫度計算;將實時采集到的電纜導體電流和電纜外皮溫度輸入到步驟2中訓練好的網(wǎng)絡,即可計算出電纜的導體溫度。具有無需考慮電纜本身的物性參數(shù),即可準確地動態(tài)計算電纜的導體溫度等優(yōu)點。
【專利說明】基于BP神經(jīng)網(wǎng)絡的三芯電纜導體暫態(tài)溫度計算方法

【技術領域】
[0001]本發(fā)明涉及一種三芯電纜導體暫態(tài)溫度計算技術,特別涉及一種基于BP神經(jīng)網(wǎng)絡的三芯電纜導體暫態(tài)溫度計算方法。

【背景技術】
[0002]載流量為電纜在持續(xù)負荷中所能傳輸?shù)淖畲箅娏?,是電纜運行的重要參數(shù)。在該電流的作用下,線芯工作溫度達到但不超過電纜主絕緣長期耐熱溫度(XLPE為90V ) ’以保證電纜的壽命。如果載流量偏大而導致線芯工作溫度超過允許值,電纜的壽命將比期望壽命大大縮短。如果載流量偏小,但是電纜線芯的銅材或者鋁材沒有得到充分的利用。因此,只要能夠準確掌握電纜導體溫度,就可以挖掘現(xiàn)有電纜載流量能力,不僅能節(jié)約電纜的投資,而且能提高電纜的運行水平和利用率。因而準確計算電纜導體溫度成為關鍵。
[0003]由于實際運行電纜線路的負荷電流不是持續(xù)不變而是周期變化的,且電纜外部運行環(huán)境(埋深處的地溫和土壤熱阻系數(shù))受多因素影響的量,使得電纜導體的溫度是一個時刻變化的物理量。因而電纜導體溫度的暫態(tài)計算是電纜狀態(tài)檢測的重要手段。電纜的暫態(tài)溫升計算大都基于電纜的熱路模型,常用的方法是分別計算電纜本體和電纜外部環(huán)境兩部分的暫態(tài)響應,然后進行疊加,但該方法計算的準確性仍然受外部環(huán)境因素影響。隨著測溫技術的發(fā)展,電纜外皮溫度的在線監(jiān)測得以實現(xiàn)。通過測量外皮溫度,再根據(jù)電纜的熱路暫態(tài)模型就可以反推出導體溫度。由于導體溫度計算只與本體參數(shù)有關,所以擺脫了外部環(huán)境影響。但在運用這種方法計算過程中,熱路的暫態(tài)模型比較難確定。
[0004]目前,國內(nèi)外比較有代表性的模型包括動態(tài)反饋仿真模型、梯形熱網(wǎng)絡模型[和傳熱模型,這幾種模型的計算結(jié)果都比較準確,但均需求解大量非線性方程。為簡化計算,國內(nèi)學者提出的方法包括以下:在建立單芯電纜等效暫態(tài)熱路模型基礎上,采用Runge-Kutta法求解微分方程組,計算電纜暫態(tài)溫升,根據(jù)光纖測得外皮溫度反推導體溫度;在建立單芯電纜等效Laplace熱路模型基礎上,剖分實際連續(xù)變化運行電流為等效的階躍電流,計算不同時間段階躍電流的產(chǎn)熱量,以及實際持續(xù)變化電流下的電纜線芯溫度;基于電纜實時外皮溫度和運行電流,運用BP神經(jīng)網(wǎng)絡實時計算單芯電纜的導體溫度。該方法具有較高的精度,且不受電纜本身的物性參數(shù)影響。以上方法大都運用于單芯電纜導體暫態(tài)溫度的計算,對于在三芯電纜導體暫態(tài)溫度的計算方面的研究卻較為匱乏。


【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于克服現(xiàn)有技術的缺點與不足,提供一種基于BP神經(jīng)網(wǎng)絡的三芯電纜導體暫態(tài)溫度計算方法,該計算方法解決了三芯電纜導體暫態(tài)溫度的計算問題,提高了導體溫度的計算精度。
[0006]本發(fā)明的目的通過下述技術方案實現(xiàn):基于BP神經(jīng)網(wǎng)絡的三芯電纜導體暫態(tài)溫度計算方法,包括以下步驟:
[0007]步驟1、訓練樣本選取:選取載流量實驗數(shù)據(jù),包括電纜導體電流、電纜外皮溫度和電纜導體溫度;
[0008]步驟2、網(wǎng)絡訓練:將訓練樣本中的電纜導體電流、電纜外皮溫度做為輸入,電纜導體溫度做為輸出,構(gòu)建一個四層神經(jīng)網(wǎng)絡。使用粒子群算法先進行一次優(yōu)化,后使用BP算法進行二次優(yōu)化方法訓練網(wǎng)絡;
[0009]步驟3、電纜導體暫態(tài)溫度計算:將實時采集到的導體電流、電纜外皮溫度輸入到訓練好的網(wǎng)絡,即可計算出電纜的導體溫度。
[0010]在步驟2中,所述采用粒子群算法先進行一次優(yōu)化,后使用BP算法進行二次優(yōu)化方法訓練網(wǎng)絡包括以下步驟:
[0011]步驟21、設定粒子群的粒子數(shù)m = 40,初始化粒子群,即為每一組權值、閾值賦初值如下式:
[0012]Xi= 0νη(:)Κ:),Κ:),?32?(:),...,Wik(:),bki(:)),
[0013]式中,υ:),υ:),.?(:)為權值,b'b'...,#為閾值,其中下標i表示第i個粒子Xi,下標1,2...k表示神經(jīng)網(wǎng)絡的權值和閾值矩陣個數(shù),其中,k = 3 ;
[0014]步驟22、將網(wǎng)絡的輸出誤差定義為粒子的適應度函數(shù),計算各粒子的適應度:
1.V 產(chǎn)
[0015]E = -ZTt 藝 X (^p>} ~ dlp]y

Zn ^*7

H~l p~\




9
[0016]式中,N為樣本數(shù),P為輸出維數(shù),O為網(wǎng)絡輸出,d為目標輸出;
[0017]對每一個粒子,比較當前粒子的適應度與先前的最佳適應度,將二者較小值設為當前粒子的局部極值;
[0018]選擇所有粒子適應度中適應度最小的一個作為全局極值,并按下式更新粒子速度:
[0019]Vij (k+1) = WVij (k) +C1IT1 [Qij (k) -Xij (k)]
[0020]+c2r2 [Qgj (k) -Xij (k)],
[0021]式中,C1 = C2為加速常數(shù),本發(fā)明中,C1 = C2 = 2 !V1, V2為兩取值區(qū)間為[O I]的隨機數(shù);vu e [-vmax, VmaJ為第i個粒子第j維空間的速度,Vmax為允許移動的最大速度,本發(fā)明中vmax = I ;Xij e [-xmax,xmaJ為第i個粒子第j維空間的位置,Xmax為允許的最大空間位置;QU為第i個粒子第j維空間的局部極值,Qgj為第j為空間的全局極值,w為慣性權重系數(shù),并設置為隨迭代次數(shù)增加而減小的函數(shù):
[0022]w(t) = Wmin+ (Wmax-Wmin) (tmax-t)/tmax,
[0023]式中,t為當前迭代數(shù),tmax為最大迭代次數(shù),慣性權重系數(shù)最大值Wmax = 0.9,最小值 Wniin = 0.4 ;
[0024]按下式更新粒子的位置:
[0025]Xij (k+1) = Xij(Ii)+Vij (k+1),
[0026]式中,xu(k+l)為粒子迭代次數(shù)為k時第j維空間的位置;xu(k+l)為粒子迭代次數(shù)為k+Ι時第j維空間的位置;vu(k+l)為粒子迭代次數(shù)為k+Ι時第j維空間的速度;
[0027]步驟23、判斷算法是否滿足誤差精度或達到最大迭代次數(shù),如果是,則退出PSO算法,否則,返回繼續(xù)迭代;將PSO算法得到的權值和閾值作為初值,繼續(xù)使用BP算法進行二次優(yōu)化;若訓練結(jié)果優(yōu)于PSO訓練結(jié)果,則輸出BP訓練的網(wǎng)絡,否則,輸出PSO訓練的網(wǎng)絡。
[0028]在步驟2中,所述神經(jīng)網(wǎng)絡是一個2-8-8-1的四層BP神經(jīng)網(wǎng)絡,并由電纜導體電流和電纜外皮溫度作為輸入、電纜導體溫度作為輸出構(gòu)建而成。
[0029]本發(fā)明的工作原理:本發(fā)明的基于BP神經(jīng)網(wǎng)絡的三芯電纜導體暫態(tài)溫度計算方法以電纜導體電流、電纜外皮溫度為輸入,電纜導體溫度為輸出,構(gòu)建了一個四層神經(jīng)網(wǎng)絡模型。先使用粒子群算法先進行一次優(yōu)化,后使用BP算法進行二次優(yōu)化的訓練方法,訓練效果明顯優(yōu)于單獨使用BP算法。該方法可以精確地實時計算三芯電纜的導體溫度,且不受電纜本身物性參數(shù)影響,可以為三芯電纜導體溫度的在線監(jiān)測提供參考。
[0030]本發(fā)明相對于現(xiàn)有技術具有如下的優(yōu)點及效果:
[0031 ] 1、神經(jīng)網(wǎng)絡可以基于電纜導體電流和電纜外皮溫度,無需考慮電纜本身的物性參數(shù),即可準確地動態(tài)計算電纜的導體溫度,計算方便快捷。
[0032]2、本發(fā)明采用PSO與BP結(jié)合算法對網(wǎng)絡進行訓練,訓練效果優(yōu)于單獨使用BP算法對網(wǎng)絡進行訓練。使用訓練好的網(wǎng)絡對電纜導體溫度進行計算,前者產(chǎn)生的誤差小于后者。

【專利附圖】

【附圖說明】
[0033]圖1是基于BP神經(jīng)網(wǎng)絡的三芯電纜導體暫態(tài)溫度計算方法的總體框圖。
[0034]圖2是四層的BP神經(jīng)網(wǎng)絡拓撲結(jié)構(gòu)圖。
[0035]圖3是訓練誤差曲線圖。
[0036]圖4是神經(jīng)網(wǎng)絡計算結(jié)果圖。

【具體實施方式】
[0037]下面結(jié)合實施例及附圖對本發(fā)明作進一步詳細的描述,但本發(fā)明的實施方式不限于此。
[0038]實施例
[0039]如圖1所示,基于BP神經(jīng)網(wǎng)絡的三芯電纜導體暫態(tài)溫度計算方法,包括以下步驟:
[0040]步驟1、訓練樣本選取;選取載流量實驗數(shù)據(jù),包括電纜導體電流、電纜外皮溫度和電纜導體溫度;
[0041]步驟2、網(wǎng)絡訓練;將步驟I訓練樣本中的電纜導體電;使用粒子群算法先進行一次優(yōu)化,后使用BP算法進行二次優(yōu)化方法訓練網(wǎng)絡;
[0042]以電纜導體電流、電纜外皮溫度作為輸入,電纜導體溫度作為輸出,構(gòu)建神經(jīng)網(wǎng)絡,該神經(jīng)網(wǎng)絡是一個2-8-8-1的四層BP神經(jīng)網(wǎng)絡,其拓撲結(jié)構(gòu)如圖2所示。
[0043]設定粒子群的粒子數(shù)m = 40,初始化粒子群,即為每一組權值、閾值賦初值如下式:
[0044]Xi=,hu (:),h2i,hki (:)),
[0045]式中,Wil (:),Wi2 (:),…,Wik (:)為權值,bn, b2i,…,bki為閾值,其中下標i表示第i個粒子Xi,下標1,2...k表示神經(jīng)網(wǎng)絡的權值和閾值矩陣個數(shù),其中,k = 3。
[0046]將網(wǎng)絡的輸出誤差定義為粒子的適應度函數(shù),計算各粒子的適應度。
[0047]f=去<*)2
Nlpl




f
[0048]式中N為樣本數(shù),P為輸出維數(shù),O為網(wǎng)絡輸出,d為目標輸出。
[0049]對每一個粒子,比較當前粒子的適應度與先前的最佳適應度,將二者較小值設為當前粒子的局部極值。
[0050]選擇所有粒子適應度中適應度最小的一個,作為全局極值。
[0051]按下式更新粒子速度;
[0052]Vij (k+1) = Wvij (k) +C1IT1 [Qij (k) -Xij (k)]
[0053]+c2r2 [Qgj (k) -Xij (k)],
[0054]式中,C1 = C2為加速常數(shù),本發(fā)明中,C1 = C2 = 2 !V1, V2為兩取值區(qū)間為[O I]的隨機數(shù);vu e [-vmax, VmaJ為第i個粒子第j維空間的速度,Vmax為允許移動的最大速度,本發(fā)明中vmax = I ;Xij e [-xmax,xmaJ為第i個粒子第j維空間的位置,Xmax為允許的最大空間位置;QU為第i個粒子第j維空間的局部極值,Qgj為第j為空間的全局極值。w為慣性權重系數(shù),它使粒子保持運動慣性,本發(fā)明中w設置為隨迭代次數(shù)增加而減小的函數(shù):
[0055]w(t) = Wmin+(Wmax-Wmin) (tmax-t)/tmax,
[0056]式中,t為當前迭代數(shù),tmax為最大迭代次數(shù),慣性權重系數(shù)最大值Wmax = 0.9,最小值 Wniin = 0.4。
[0057]按下式更新粒子的位置:
[0058]Xij (k+1) = Xij (k) +Vij (k+1),
[0059]式中,xu(k+l)為粒子迭代次數(shù)為k時第j維空間的位置;xu(k+l)為粒子迭代次數(shù)為k+Ι時第j維空間的位置;vu(k+l)為粒子迭代次數(shù)為k+Ι時第j維空間的速度。
[0060]如果算法滿足誤差精度或達到最大迭代次數(shù),則退出PSO算法,否則返回繼續(xù)迭代;
[0061]將PSO算法得到的各權值、閾值作為初值,繼續(xù)使用BP算法進行二次優(yōu)化。若訓練結(jié)果優(yōu)于PSO訓練結(jié)果,則輸出BP訓練的網(wǎng)絡,否則輸出PSO訓練的網(wǎng)絡,其訓練誤差曲線如圖3所示,神經(jīng)網(wǎng)絡的計算結(jié)果如圖4所示。
[0062]步驟3、電纜導體暫態(tài)溫度計算;將實時采集到的導體電流、電纜外皮溫度輸入到步驟2訓練好的網(wǎng)絡,即可計算出電纜的導體溫度。
[0063]上述實施例為本發(fā)明較佳的實施方式,但本發(fā)明的實施方式并不受上述實施例的限制,其他的任何未背離本發(fā)明的精神實質(zhì)與原理下所作的改變、修飾、替代、組合、簡化,均應為等效的置換方式,都包含在本發(fā)明的保護范圍之內(nèi)。
【權利要求】
1.一種基于BP神經(jīng)網(wǎng)絡的三芯電纜導體暫態(tài)溫度計算方法,其特征在于,包括以下步驟: 步驟1、訓練樣本選取;選取載流量數(shù)據(jù),所述載流量數(shù)據(jù)包括:電纜導體電流、電纜外皮溫度和電纜導體溫度; 步驟2、網(wǎng)絡訓練;構(gòu)建神經(jīng)網(wǎng)絡,采用粒子群算法先進行一次優(yōu)化,后使用BP算法進行二次優(yōu)化方法訓練網(wǎng)絡; 步驟3、電纜導體暫態(tài)溫度計算;將實時采集到的電纜導體電流和電纜外皮溫度輸入至IJ步驟2中訓練好的網(wǎng)絡,即可計算出電纜的導體溫度。
2.根據(jù)權利要求1所述的基于BP神經(jīng)網(wǎng)絡的三芯電纜導體暫態(tài)溫度計算方法,其特征在于,在步驟2中,所述采用粒子群算法先進行一次優(yōu)化,后使用BP算法進行二次優(yōu)化方法訓練網(wǎng)絡包括以下步驟: 步驟21、設定粒子群的粒子數(shù)m = 40,初始化粒子群,即為每一組權值、閾值賦初值如下式:
Xi = 0νη(:)Κ:),Κ:),?32?(:),...,Wik(:),bki(:)), 式中,Wn(:),Wi2(:),…,Wik(:)為權值,bn,b2i,…,bki為閾值,其中下標i表示第i個粒子Xi,下標1,2...k表示神經(jīng)網(wǎng)絡的權值和閾值矩陣個數(shù),其中,k = 3 ; 步驟22、將網(wǎng)絡的輸出誤差定義為粒子的適應度函數(shù),計算各粒子的適應度: ^ = JLv V^dun)2
^ a?pp *

H —I p~~l



9 式中,N為樣本數(shù),P為輸出維數(shù),O為網(wǎng)絡輸出,d為目標輸出; 對每一個粒子,比較當前粒子的適應度與先前的最佳適應度,將二者較小值設為當前粒子的局部極值; 選擇所有粒子適應度中適應度最小的一個作為全局極值,并按下式更新粒子速度:
Vij (k+1) = Wvij (k) +C1Ir1 [Qij (k) -Xij (k)]
+c2r2 [Qgj (k) -Xij (k)], 式中,C1 = C2為加速常數(shù),本發(fā)明中,C1 = C2 = 2;V1,V2S兩取值區(qū)間為[O I]的隨機數(shù)e [-Vfflax, VfflaJ為第i個粒子第j維空間的速度,Vmax為允許移動的最大速度,本發(fā)明中Vmax = I ;Xij e [-xmax,xmaJ為第i個粒子第j維空間的位置,Xmax為允許的最大空間位置;QU為第i個粒子第j維空間的局部極值,Qgj為第j為空間的全局極值,w為慣性權重系數(shù),并設置為隨迭代次數(shù)增加而減小的函數(shù):
W(t) = Wmin+ (Wmax-Wmin) (tmax-t)/tmax, 式中,t為當前迭代數(shù),tmax為最大迭代次數(shù),慣性權重系數(shù)最大值Wmax = 0.9,最小值wIiiin = 0.4 ; 按下式更新粒子的位置:
Xij (k+1) = Xij (k) +Vij (k+1), 式中,Xij(k+1)為粒子迭代次數(shù)為k時第j維空間的位置;Xij(k+l)為粒子迭代次數(shù)為k+Ι時第j維空間的位置;vu(k+l)為粒子迭代次數(shù)為k+Ι時第j維空間的速度; 步驟23、判斷算法是否滿足誤差精度或達到最大迭代次數(shù),如果是,則退出PSO算法,否則,返回繼續(xù)迭代;將PSO算法得到的權值和閾值作為初值,繼續(xù)使用BP算法進行二次優(yōu)化;若訓練結(jié)果優(yōu)于PSO訓練結(jié)果,則輸出BP訓練的網(wǎng)絡,否則,輸出PSO訓練的網(wǎng)絡。
3.根據(jù)權利要求1所述的基于BP神經(jīng)網(wǎng)絡的三芯電纜導體暫態(tài)溫度計算方法,其特征在于,在步驟2中,所述神經(jīng)網(wǎng)絡是一個2-8-8-1的四層BP神經(jīng)網(wǎng)絡,并由電纜導體電流和電纜外皮溫度作為輸入、電纜導體溫度作為輸出構(gòu)建而成。
【文檔編號】G06N3/02GK104299034SQ201410514032
【公開日】2015年1月21日 申請日期:2014年9月29日 優(yōu)先權日:2014年9月29日
【發(fā)明者】牛海清, 吳炬卓, 葉開發(fā) 申請人:華南理工大學
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
清苑县| 宜阳县| 吉首市| 曲阳县| 会东县| 灌阳县| 那曲县| 合阳县| 东莞市| 桐梓县| 泸西县| 贺兰县| 工布江达县| 灵寿县| 西畴县| 灵璧县| 同心县| 安乡县| 曲沃县| 阜康市| 明光市| 仁怀市| 巴中市| 芜湖县| 濮阳市| 万载县| 建湖县| 湖口县| 苏州市| 外汇| 新源县| 夏津县| 突泉县| 海晏县| 沛县| 库尔勒市| 蛟河市| 铁岭市| 岳普湖县| 贵港市| 老河口市|