[发明专利]一种基于高斯过程回归的数字孪生电缆温度预测方法

说明书

本发明提供了一种基于高斯过程回归的数字孪生电缆温度预测方法，通过构建人工智能算法下的基于高斯过程回归的数字孪生电缆温度预测模型，计算电缆不同激励下的温度分布情况，包括S1：电缆有限元特征变量的获取；S2：电缆温度预测模型的构建；S3：基于高斯过程回归的数字孪生电缆温度预测共三个步骤。本发明与电缆温度的有限元耦合计算相比，预测模型的温度计算速度提升了约400倍左右，可满足电缆温度计算在数字孪生应用中的实时性要求。相较于单点测温，电缆温度预测模型能够得到电缆温度的整体分布状态。与分布式测温相比，电缆温度预测模型经济性更好。

技术领域

本发明属于电缆温度分布计算领域，尤其涉在不同激励下采用机器学习方法对电缆温度分布的计算方法。

背景技术

随着电力部门对电力电缆可靠稳定运行重视程度的提高，如何更加快速准确地确定电缆温度分布，进而评估电缆运行状态成为了亟待解决的问题。电缆温度计算方法主要有数值法和热路法。热路法采用的是等效模型原理，在电缆复杂敷设环境下计算误差较大，且不能计算电缆的温度分布。相比较来说，有限元法则具有仿真计算精度高、可模拟复杂环境等优点。但是在相同电缆模型下，有限元计算所需要的时间也会大幅增加。在涉及电缆多物理场建模与实时仿真数字孪生框架下的模型驱动方面，有限元计算难以满足电缆在数字孪生应用中的实时性要求。电缆的数字孪生除了可以采用模型驱动实现以外，还可以采用人工智能算法进行虚拟建模实现。

人工智能算法的发展为电气设备的早期状态识别提供了新的研究方法，基于机器学习方法在电力设备中的应用，为了在确保电缆温度计算精度基础上提高计算效率，以提升电缆数字孪生温度预测的实时性，本发明提出了人工智能算法下的基于高斯过程回归的数字孪生电缆温度预测方法。本发明的目的在于克服现有技术的不足，完成基于高斯过程回归算法下的数字孪生电缆温度预测的参数化建模，并保证电磁场-温度场多物理场耦合的准确性；能与工程中的传感器相结合，将传感参数引入参数化模型中，通过实时的激励数据传输，对不同激励下的电缆温度进行计算与直观云图展示。

发明内容

一种基于高斯过程回归的数字孪生电缆温度预测的方法，通过构建人工智能算法下的基于高斯过程回归的数字孪生电缆温度预测模型，计算电缆不同激励下的温度分布情况，包括以下步骤：

步骤1：电缆有限元特征变量的获取；

步骤2：电缆温度预测模型的构建；

步骤3：基于高斯过程回归的数字孪生电缆温度预测。

优选的，所述步骤1具体包括如下步骤：S101采用有限元法对10kV交流电缆进行电磁场-温度场耦合计算，获得电缆温度相关数据集；S102综合考虑电缆电磁参数、电缆热参数和外界环境参数对电缆温度的影响，将电磁参数、热参数与外界环境参数作为输入特征量，将电缆温度作为输出特征量；S103基于电缆电磁场-温度场有限元耦合计算结果，构建用作高斯过程回归训练的数据集。

优选的，所述步骤2具体包括如下步骤：S201根据步骤1中获取的高斯过程回归训练的数据集，将数据集分为训练集与测试集；S202对高斯过程回归模型进行参数设置与核函数选择，设置优化器、基函数类型和核函数类型，将数据集输入到高斯过程回归模型中进行训练与测试；S203测试结果如果满足误差要求则直接输出电缆温度预测模型，如不满足要求则需要调整核函数中的超参数重新进行训练，直到满足误差要求为止。

优选的，所述步骤3具体包括如下步骤：S301根据步骤2中电缆温度预测模型的构建流程，对各个过程进行自动化的代码编写，将各过程代码进行合成与封装，得出基于高斯过程回归的数字孪生电缆温度预测模型；S302将数字孪生电缆温度预测模型与智能传感技术进行结合，将实际测量的电流数值通过传感器输入到电缆温度预测模型中，用来控制激励电流大小的变化，计算得出电缆不同激励下的温度分布情况。

优选的，所述步骤1中电缆的型号为YJV22-8.7/10-3×240mm²的10kV交流三芯电缆。