[发明专利]基于RBF神经网络的三芯电缆导体温度实时计算方法

摘要

本发明公开了基于RBF神经网络的三芯电缆导体温度实时计算方法，该方法首先测量三芯电缆部分参数的运行数据，包括三芯电缆导体运行电流、电缆外表皮实时温度和电缆导体实时温度；然后将三芯电缆导体电流、电缆外表皮温度作为输入，电缆导体实时温度作为输出，建立三层前馈型RBF神经网络模型；再将获取的三芯电缆运行数据作为训练样本，蚁群优化算法作为学习算法，训练并确定性能较优的RBF神经网络模型；最后将实时采集的三芯电缆导体电流、电缆外表皮温度输入到训练好的RBF网络，便可计算输出三芯电缆导体的实时温度。本发明方法可以不受外界复杂环境和电缆本身物理参数的影响，具有准确地动态计算三芯电缆导体温度等优点。

主权项

1.基于RBF神经网络的三芯电缆导体温度实时计算方法，其特征在于，包括如下步骤：步骤1，测量三芯电缆部分参数的运行数据，包括三芯电缆导体电流、电缆外表皮温度和电缆导体温度；步骤2，将三芯电缆导体电流、电缆外表皮温度作为输入，电缆导体温度作为输出，建立三层前馈型RBF神经网络模型；步骤3，将步骤1获取的三芯电缆运行数据作为训练样本，蚁群聚类算法作为学习算法，对RBF神经网络模型进行训练，得到训练好的RBF神经网络模型；具体步骤如下：31)令三芯电缆导体电流为x1i，电缆外表皮温度为x2i，电缆导体温度为Yi，设定输入向量Xi＝[x1i,x2i]，及对应的输出向量Yi，i＝1,…,N，N表示训练样本的总数；32)采用蚁群聚类算法对训练样本进行聚类，将聚类获得的K个聚类中心值作为RBF神经网络隐含层径向基函数的中心值ck，并计算各中心值ck对应的宽度值σk，从而得到RBF神经网络隐含层径向基函数，k＝1,…,K；33)对于每个输入向量Xi＝[x1i,x2i]，利用RBF神经网络隐含层径向基函数，得到对应的隐含层神经元的输出值Oik，计算各隐含层神经元的输出对网络总输出的贡献度rik，对任意k，当出现连续10次rik＜δ时，δ表示计算精度要求值，则删除第k个隐含层神经元，最终剩下的隐含层神经元的个数为M，M＜K，i＝1,…,N；34)根据每个输出向量Yi与剩下的隐含层神经元的输出值Oim之间的线性组合关系，采用伪逆算法，计算得到隐含层神经元的输出值Oim相对应的权值ωim，m＝1,…,M，从而得到训练好的RBF神经网络模型；步骤4，将实时采集的三芯电缆导体电流、电缆外表皮温度输入到训练好的RBF神经网络模型中，计算得到三芯电缆导体的实时温度。