[发明专利]一种基于Elman神经网络的高压电缆导体温度动态计算方法

权利要求书

1.一种基于Elman神经网络的高压电缆导体温度动态计算方法，其特征在于执行如下步骤：

1)获取高压电缆运行数据，包括高压电缆导体的运行电流、电缆外表面温度、电缆导体温度；

2)建立Elman神经网络，包括输入层、隐含层、承接层、输出层，网络输入为电缆导体的运行电流和电缆外表面温度，网络输出为电缆导体温度；

3)将高压电缆运行数据作为训练样本，采用粒子群算法优化Elman神经网络的初始权值和阈值，训练网络，确定最优的Elman神经网络；

4)将实时数据输入到步骤3)训练好的Elman神经网络模型，便可以得到当前的高压电缆导体温度。

2.根据权利要求1所述的一种基于Elman神经网络的高压电缆导体温度动态计算方法，其特征在于：步骤1)电缆运行电流的获取是通过依次布置在电缆直线段、弯曲段、中间接头以及电缆终端的四个电流测点，分别测得电缆电流大小为I1、I2、I3、I4，电缆运行电流I＝c1I1+c2I2+c3I3+c4I4，c1、c2、c3、c4分别表示对应电流测点的权值，c1+c2+c3+c4＝1，可取c1＝0.3，c2＝0.25、c3＝0.25、c4＝0.2；

步骤1)电缆外表面温度的获取是通过依次布置在电缆终端的外表面的8个温度测点，分别测得电缆外表面实时温度大小为t1、t2、t3、t4、t5、t6、t7、t8，电缆外表面温度t＝h1t1+h2t2+h3t3+h4t4+h5t5+h6t6+h7t7+h8t8，h1、h2、h3、h4、h5、h6、h7、h8分别表示对应温度测点的权值，h1+h2+h3+h4+h5+h6+h7+h8＝1，可取h1＝0.12、h2＝0.18、h3＝0.14、h4＝0.11、h5＝0.12、h6＝0.13、h7＝0.08、h8＝0.12；

步骤1)电缆导体温度通过在电缆直线段、弯曲段、中间接头以及电缆终端的导体层依次布置8个温度测点，分别测得电缆导体实时温度大小为T1、T2、T3、T4、T5、T6、T7、T8，电缆导体温度T＝g1T1+g2T2+g3T3+g4T4+g5T5+g6T6+g7T7+g8T8，g1、g2、g3、g4、g5、g6、g7、g8分别表示对应温度测点的权值，g1+g2+g3+g4+g5+g6+g7+g8＝1，可取g1＝0.12、g2＝0.18、g3＝0.14、g4＝0.11、g5＝0.12、g6＝0.13、g7＝0.08、g8＝0.12。

3.根据权利要求1所述的一种基于Elman神经网络的高压电缆导体温度动态计算方法，其特征在于：在步骤2)中所述的Elman神经网络的输入层有2个神经元，输出层有1个神经元，隐含层有10个神经元，承接层有10个神经元。

4.根据权利要求1所述的一种基于Elman神经网络的高压电缆导体温度动态计算方法，其特征在于：步骤2)所述Elman神经网络的各层神经元数目是通过网络训练确定的；通过训练隐含层不同神经元数目的Elman神经网络，选择计算性能最优的网络隐含层神经元个数。

5.根据权利要求1所述的一种基于Elman神经网络的高压电缆导体温度动态计算方法，其特征在于：步骤3)中将粒子群算法与神经网络相结合，以模型输出误差最小为寻优对象，确定神经网络的初始权值和阈值，进而确定性能最优的Elman神经网络参数。