论文部分内容阅读
摘 要：该文研究了使用BP人工神经网络计算电力电缆线芯温度的方法，先根据双回电力电缆的物理模型在有限元计算软件里建立实体模型，然后对模型各个模块标上物性参数，再模拟仿真计算双回电力电缆运行过程中周围热场的变化，并计算多组数据，将这些数据送入BP人工神经网络进行学习，再使用经过训练的BP人工神经网络对电力电缆线芯温度进行预测计算，取得了不错的效果。该文中的模型和计算方法以及结论可供工程实践参考。
关键词：BP人工神经网络 有限元法 线芯温度 研究
中图分类号：TM247 文献标识码：A 文章编号：1672-3791（2015）11（a）-0056-03
电力电缆的运行过程中，由于直埋于土壤当中，更因为电压电流绝缘等问题，其线芯温度一般不可能直接通过传感器测量得到。而电力电缆在运行的过程中，线芯温度不能超过90 ℃，如果温度过高，会加快电力电缆的老化，有可能发生绝缘击穿等事故，但同时也不能单纯为了降低电力电缆线芯温度而降低电力电缆的负荷，这样会导致电力电缆不能够充分利用，造成一定程度上的设备浪费，使得投资不能够充分利用。在这样的背景下，间接获取电力电缆线芯温度变得尤为重要。近几十年来，随着计算机科学与技术的快速发展人工神经网络技术也有了长足发展，人工神经网络技术有良好的自适应能力，能够处理非线性问题，并且有健壮性和高效性的特点。因此人工神经网络被广泛用于处理那些传统方法传统思路不能够很好或者根本不能处理的问题，并且在这些问题上取得了不小的成果，该文应用人工神经网络技术来预测分析计算电力电缆线芯温度[1-5]。
1 双回电力电缆土壤直埋温度场以及结构
该文以CYZQ-845型双回电力电缆在土壤直埋情况下运行为研究对象，当电力电缆运行在土壤中时，电流流经电力电缆线芯会产生热量，电力电缆绝缘介质损耗也会产生热量，这些热量向电力电缆周围以土壤为介质扩散，一部分通过土壤扩散到空气当中，另一部分向更深处的土壤扩散，在土壤中生热的传热过程的数学描述如下方程表示[6]。
其中，式中t 为温度，为传热系数，为密度，c 为比热容，为内热源，为时间。
CYZQ-845型电力电缆由内到外依次为导体，导体屏蔽，油纸绝缘，绝缘屏蔽，钢带，铅护套，不锈钢带，化纤带，外护套。
2 人工神经网络
人工神经网络技术是近几十年来新发展起来的一门技术，随着计算机科学与技术的不断发展，人工神经网络技术也跟着不断完善，在不同领域也有了越来越广泛的应用。人工神经网络有如下特点。
（1）自适应能力：人工神经网络模型刚建立时是不能直接使用的，需要输入样本进行训练才能使用，人工神经网络可以自动调整权值，这个过程是自动完成的。
（2）处理非线性问题：传统思维和方法在处理线性问题上已经相当成熟，在处理非线性问题时也往往将非线性问题转化为线性问题来处理，人工神经网络可以处理更复杂的非线性问题，并且取得不错的成果。
（3）健壮性：当人工神经网络损失一部分节点时，整个功能不受影响或者受影响的程度不是很大。
（4）高效性：人工神经网络可以准确方便地处理复杂问题，随着分布式计算和并行计算的发展，人工神经网络处理问题的效率越来越高。
BP人工神经网络是人工神经网络技术中得到广泛应用的一种模型。BP人工神经网络由3部分组成，分别是输入层，隐含层，输出层。每一层由多个神经网络细胞所组成，其中神经网络细胞不固定。输入层和输出层分别只有一层，隐含层可以有一层也可以有多层，处于相邻层之间的人工神经网络细胞由权值相连接。BP人工神经网络的隐含层的层数往往并不是那么容易确定，隐含层的层数如果过少，会使得训练后的人工神经网络的计算预测能力不那么理想；如果隐含层的层数如果过多，会使得人工神经网络的样本训练时间过长，训练后的人工神经网络在计算时所用的时间也会过长，因为隐含层的层数要恰当选择。
3 人工神经网络计算电力电缆线芯温度
人工神经网络在使用之间需要进行样本训练。该文使用的BP人工神经网络的输入层有5个输入端，输出层有2个输出端。输入层的5个输入端分别是第一根电力电缆表皮温度，第二根电力电缆表皮温度，第一根电力电缆线芯单位长度生热功率，第二根电力电缆线芯单位长度生热功率，两根电力电缆线芯连线中点温度；输出层的2个输出端分别是第一根电力电缆线芯温度和第二根电力电缆线芯温度。以上温度均是双回电力电缆在稳态运行情况下由有限元计算软件计算获得。5个输入端的输入和2个输出端的输出构成一组数据，先用有限元软件计算出多组这样的数据，然后将这些数据作为训练人工神经网络用的样本数据。
经过训练后的人工神经网络对电力电缆线芯温度计算值和有限元软件仿真计算值如图1、图2所示。
在两图中，圆圈表示人工神经网络对电力电缆线芯温度计算值，星号表示有限元软件仿真计算值。由上两图可知，使用人工神经网络计算电力电缆稳态运行时的线芯温度有着不错的效果。
4 结语
该文研究了BP人工神经网络对双回电力电缆稳态运行时线芯温度进行计算。先使用有限元软件计算多组数据作为样本，其中一组数据包括5个输入端的输入数据和2个输出端的输出数据。将样本送入BP人工神经网络进行训练。将训练好的BP人工神经网络用于计算双回电力电缆稳态运行时线芯温度，并取得了不错的效果。
参考文献
[1] 周品.MATLAB神经网络设计与应用[M].清华大学出版社， 2013.
[2] 海金.神经网络与机器学习[M].机械工业出版社，2011.
[3] 王孔森，盛戈皞，孙旭日，等.基于径向基神经网络的输电线路动态容量在线预测[J].电网技术，2013，37（6）：1719-1725.
[4] 马国栋.电线电缆载流量[M].北京：中国电力出版社，2003.
[5] 王娜娜，于海，刘同同，等.基于 BP 网络预测的地埋电力电缆动态增容[J].黑龙江电力，2014，36（4）：313-316.
[6] 杨世铭，陶文铨.传热学第四版[M].高等教育出版社，2006.
关键词：BP人工神经网络 有限元法 线芯温度 研究
中图分类号：TM247 文献标识码：A 文章编号：1672-3791（2015）11（a）-0056-03
电力电缆的运行过程中，由于直埋于土壤当中，更因为电压电流绝缘等问题，其线芯温度一般不可能直接通过传感器测量得到。而电力电缆在运行的过程中，线芯温度不能超过90 ℃，如果温度过高，会加快电力电缆的老化，有可能发生绝缘击穿等事故，但同时也不能单纯为了降低电力电缆线芯温度而降低电力电缆的负荷，这样会导致电力电缆不能够充分利用，造成一定程度上的设备浪费，使得投资不能够充分利用。在这样的背景下，间接获取电力电缆线芯温度变得尤为重要。近几十年来，随着计算机科学与技术的快速发展人工神经网络技术也有了长足发展，人工神经网络技术有良好的自适应能力，能够处理非线性问题，并且有健壮性和高效性的特点。因此人工神经网络被广泛用于处理那些传统方法传统思路不能够很好或者根本不能处理的问题，并且在这些问题上取得了不小的成果，该文应用人工神经网络技术来预测分析计算电力电缆线芯温度[1-5]。
1 双回电力电缆土壤直埋温度场以及结构
该文以CYZQ-845型双回电力电缆在土壤直埋情况下运行为研究对象，当电力电缆运行在土壤中时，电流流经电力电缆线芯会产生热量，电力电缆绝缘介质损耗也会产生热量，这些热量向电力电缆周围以土壤为介质扩散，一部分通过土壤扩散到空气当中，另一部分向更深处的土壤扩散，在土壤中生热的传热过程的数学描述如下方程表示[6]。
其中，式中t 为温度，为传热系数，为密度，c 为比热容，为内热源，为时间。
CYZQ-845型电力电缆由内到外依次为导体，导体屏蔽，油纸绝缘，绝缘屏蔽，钢带，铅护套，不锈钢带，化纤带，外护套。
2 人工神经网络
人工神经网络技术是近几十年来新发展起来的一门技术，随着计算机科学与技术的不断发展，人工神经网络技术也跟着不断完善，在不同领域也有了越来越广泛的应用。人工神经网络有如下特点。
（1）自适应能力：人工神经网络模型刚建立时是不能直接使用的，需要输入样本进行训练才能使用，人工神经网络可以自动调整权值，这个过程是自动完成的。
（2）处理非线性问题：传统思维和方法在处理线性问题上已经相当成熟，在处理非线性问题时也往往将非线性问题转化为线性问题来处理，人工神经网络可以处理更复杂的非线性问题，并且取得不错的成果。
（3）健壮性：当人工神经网络损失一部分节点时，整个功能不受影响或者受影响的程度不是很大。
（4）高效性：人工神经网络可以准确方便地处理复杂问题，随着分布式计算和并行计算的发展，人工神经网络处理问题的效率越来越高。
BP人工神经网络是人工神经网络技术中得到广泛应用的一种模型。BP人工神经网络由3部分组成，分别是输入层，隐含层，输出层。每一层由多个神经网络细胞所组成，其中神经网络细胞不固定。输入层和输出层分别只有一层，隐含层可以有一层也可以有多层，处于相邻层之间的人工神经网络细胞由权值相连接。BP人工神经网络的隐含层的层数往往并不是那么容易确定，隐含层的层数如果过少，会使得训练后的人工神经网络的计算预测能力不那么理想；如果隐含层的层数如果过多，会使得人工神经网络的样本训练时间过长，训练后的人工神经网络在计算时所用的时间也会过长，因为隐含层的层数要恰当选择。
3 人工神经网络计算电力电缆线芯温度
人工神经网络在使用之间需要进行样本训练。该文使用的BP人工神经网络的输入层有5个输入端，输出层有2个输出端。输入层的5个输入端分别是第一根电力电缆表皮温度，第二根电力电缆表皮温度，第一根电力电缆线芯单位长度生热功率，第二根电力电缆线芯单位长度生热功率，两根电力电缆线芯连线中点温度；输出层的2个输出端分别是第一根电力电缆线芯温度和第二根电力电缆线芯温度。以上温度均是双回电力电缆在稳态运行情况下由有限元计算软件计算获得。5个输入端的输入和2个输出端的输出构成一组数据，先用有限元软件计算出多组这样的数据，然后将这些数据作为训练人工神经网络用的样本数据。
经过训练后的人工神经网络对电力电缆线芯温度计算值和有限元软件仿真计算值如图1、图2所示。
在两图中，圆圈表示人工神经网络对电力电缆线芯温度计算值，星号表示有限元软件仿真计算值。由上两图可知，使用人工神经网络计算电力电缆稳态运行时的线芯温度有着不错的效果。
4 结语
该文研究了BP人工神经网络对双回电力电缆稳态运行时线芯温度进行计算。先使用有限元软件计算多组数据作为样本，其中一组数据包括5个输入端的输入数据和2个输出端的输出数据。将样本送入BP人工神经网络进行训练。将训练好的BP人工神经网络用于计算双回电力电缆稳态运行时线芯温度，并取得了不错的效果。
参考文献
[1] 周品.MATLAB神经网络设计与应用[M].清华大学出版社， 2013.
[2] 海金.神经网络与机器学习[M].机械工业出版社，2011.
[3] 王孔森，盛戈皞，孙旭日，等.基于径向基神经网络的输电线路动态容量在线预测[J].电网技术，2013，37（6）：1719-1725.
[4] 马国栋.电线电缆载流量[M].北京：中国电力出版社，2003.
[5] 王娜娜，于海，刘同同，等.基于 BP 网络预测的地埋电力电缆动态增容[J].黑龙江电力，2014，36（4）：313-316.
[6] 杨世铭，陶文铨.传热学第四版[M].高等教育出版社，2006.