МНОГОЭТАПНЫЙ МЕТОД КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ТЕМПЕРАТУРНЫХ РЕЖИМОВ В СИЛОВОМ КАБЕЛЕ
Аннотация
Статья посвящена исследованиям вопросам создания диагностики и прогнозирования
термофлуктуационных процессов изоляционных материалов силовых кабельных линий (СКЛ)
электроэнергетических систем на основе таких методов искусственного интеллекта, как
нейронные сети и нечеткая логика. Показана необходимость разработки более совершен-
ной методики анализа тепловых режимов в СКЛ. Обоснована актуальность задачи созда-
ния нейросетей (НС) для оценки пропускной способности, расчёта и прогнозирования тем-
пературы жил СКЛ в режиме реального времени на основе данных системы температур-
ного мониторинга, с учетом изменения токовой нагрузки линии и внешних условий тепло-
отвода. По основным критериям проведено сравнение традиционных и нейросетевых алго-
ритмов для прогнозирования, показало преимущество НС методов. Проведена классифи-
кация НС методов и моделей прогнозирования температурных режимов КЛ. Предложен-
ный нейросетевой алгоритм прогнозирования характеристик электрической изоляции был
апробирован на контрольной выборке экспериментальных данных, по которым обучение
искусственной нейронной сети не проводилось. Результаты прогноза показали эффектив-
ность выбранной модели. Для решения задачи прогнозирования ресурса СКЛ была выбрана
сеть с прямым распространением данных и обратного распространения ошибки, т.к. сети
такого типа в совокупности с активационной функцией в виде гиперболического тангенса
являются в некоторой степени универсальной структурой для многих задач аппроксима-
ции, приближения и прогнозирования. Разработана нейросеть для определения темпера-
турного режима токоведущей жилы силового кабеля. Проведен сравнительный анализ
экспериментальных и расчетных характеристик распределений температуры, при этом
исследовались различные нагрузочные режимы работы и функции изменения тока кабеля.
При анализе данных было определено, что максимальное отклонение данных, полученных
от нейросети от данных обучающей выборки, составило менее 2,2 % что является вполне
приемлемым результатом. Модель может быть использована в устройствах и системах
непрерывного диагностирования силовых кабелей по температурным режимам.
Литература
[Regulation of JSC "Rosseti" on the unified technical policy in the electric grid complex].
Moscow: OAO «Rosseti», 2013, 196 p.
2. Anishchenko V.A., Kolosova I.V. Osnovy nadezhnosti sistem elektrosnabzheniya [Fundamentals
of reliability of power supply systems]. Minsk: BNTU, 2007.
3. Dubyago M.N., Poluyanovich N.K. Sovershenstvovanie metodov diagnostiki i
prognozirovaniya elektroizolyatsionnykh materialov sistem energosnabzheniya [Improving
methods of diagnostics and forecasting of electrical insulation materials of power supply systems].
Rostov-on-Don; Taganrog: Izd-vo YuFU, 2019, 192 p.
4. Katalog oborudovaniya kompanii LIOS Technology GmbH – 2010 [Directory of equipment of
the company lios Technology GmbH – 2010].
5. GOST R MEK 60287-1-1. Kabeli elektricheskie. Raschet nominal'noy tokovoy nagruzki.
Ch. 1-1. Uravneniya dlya rascheta nominal'noy tokovoy nagruzki i raschet poter'. Obshchie
polozheniya [GOST R IEC 60287-1-1. Electrical cables. Calculation of the rated current load.
Part 1-1. Equations for calculating the rated current load and calculating losses. Generalities].
Moscow: Standartinform, 2009, 28 p.
6. GOST R MEK 60287-1-2. Kabeli elektricheskie. Raschet nominal'noy tokovoy nagruzki.
Ch. 1-2. Uravneniya dlya rascheta nominal'noy tokovoy nagruzki i raschet poter'. Koeffitsienty
poter', obuslovlennykh vikhrevymi tokami v obolochke, dlya dvukh tsepey, raspolozhennykh v
odnoy ploskosti [GOST R IEC 60287-1-2. Electrical cables. Calculation of the rated current
load. Part 1-2. Equations for calculating the rated current load and calculating losses. Coefficients
of losses due to eddy currents in the shell for two circuits located in the same plane].
Moscow: Standartinform, 2009, 23 p.
7. GOST R MEK 60287-2-2. Kabeli elektricheskie. Raschet nominal'noy tokovoy nagruzki.
Ch. 2-2. Teplovoe soprotivlenie. Metod rascheta koeffitsientov snizheniya maksimal'no
dopustimoy tokovoy nagruzki dlya grupp kabeley, prolozhennykh na vozdukhe i
zashchishchennykh ot pryamogo solnechnogo izlucheniya [GOST R IEC 60287-2-2. Electrical
cables. Calculation of the rated current load. Part 2-2. Thermal resistance. Method for calculating
the reduction coefficients of the maximum permissible current load for groups of cables
laid in the air and protected from direct solar radiation]. Moscow: Standartinform, 2009, 12 p.
8. Larina E.T. [i dr.]. Raschet perekhodnykh teplovykh rezhimov odnozhil'nogo silovogo kabelya
s plastmassovoy izolyatsiey, prolozhennogo v vozdukhe [Calculation of transient thermal
modes of a single-core power cable with plastic insulation laid in the air], Elektrotekhnika
[Electrical Engineering], 1991, No. 10, pp. 39-42.
9. Titkov, V.V. K otsenke teplovogo rezhima trekhfaznoy linii iz SPE-kabelya [On the estimation
of the thermal regime of a three-phase line from a SPE cable], Kabel'news [Cable-news], 2009,
No. 10, pp. 47-51.
10. Neher J.M., McGrath M.H. The calculation of the temperature rise and load capability of cable
systems, Philadelphia electric company, October 1957, pp. 752-763.
11. Leon F. Calculation of underground cable ampacity, CYME international T&D Inc., 2005.
12. Melamed M.A. Sovremennye metody analiza i prognozirovaniya rezhimov elektropotrebleniya
v elektroenergeticheskikh sistemakh [Modern methods of analysis and forecasting of power
consumption in electric power systems], Itogi nauki i tekhniki. Seriya «Energeticheskie sistemy
i ikh avtomatizatsiya» [Itogi Nauki i Tekhniki. Series Energy systems and their automation],
1988, Vol. 4, pp. 4-111.
13. Gross G. and Galiana F.D. Short term load forecasting, Proc. IEEE, 1987, Vol. 75, No. 12,
pp. 1558-1573.
14. Chen S.T., David C.Y., Moghaddamjo A.R. Weather sensitive short-term load forecasting using
non fully connected artificial neural network, IEEE Trans. on Power Systems, 1992, Vol. 7,
No. 3, pp. 1098-1105.
15. Hsy Y., Ho K. Fuzzy expert systems: An application to short term load forecasting, IEE Proceedings
– C, 1992, Vol. 139, No. 6, pp. 471-477.
16. Lee K.Y., Park J.H. Short-term load forecasting using an artificial neural network, IEEE Trans.
on Power Systems, 1992, Vol. 7, No. 1, pp. 124-130.
17. Meldorf M., Kilter J., Pajo R. Comprehensive Modelling of Load, CIGRE Regonal Meeting,
June 18-20, 2007, Tallinn, Estonia, pp. 145-150.
18. Shumilova G.P., Gotman N.E., Startseva T.B. Prognozirovanie elektricheskikh nagruzok EES s
ispol'zovaniem metodov iskusstvennogo intellekta [Prediction of electric loads of EPS using
artificial intelligence methods], Sb. trudov Rossiyskogo natsional'nogo simpoziuma po
energetike. Kazan' 10–14 sent. 2001 g. [Proceedings of the Russian National Symposium on
Energy, Kazan, September 10-14. 2001]. Moscow: KGEU, 2001, pp. 103-106.
19. Khaykin S. Neyronnye seti: polnyy kurs [Neural networks: full course]. 2nd ed. Moscow: Izd.
dom «Vil'yams», 2006, 1104 p.
20. Rutkovskaya D., Pilin'skiy M., Rutkovskiy L. Neyronnye seti, geneticheskie algoritmy i
nechetkie sistemy [Neural networks, genetic algorithms and fuzzy systems]: trans. from polish
I.D. Rudinskogo. Moscow: Goryachaya liniya – Telekom, 2008, 452 p.
21. Krichevskiy M.L. Intellektual'nyy analiz v menedzhmente [Intelligent analysis in management].
Saint Petersburg: SPbGUAP, 2005, 48 p.
22. Sidorov S.G. i dr. Mnogoprotsessornaya realizatsiya neyrosetevogo algoritma
prognozirovaniya izmeneniya kharakteristik elektricheskoy izolyatsii [Multiprocessor implementation
of a neural network algorithm for predicting changes in the characteristics of electrical
insulation], Vestnik IGEU [Bulletin of the ISEU], 2011, Issue 1.
23. Poluyanovich N.K., Dubyago M.N. Prognozirovanie resursa kabel'nykh liniy s ispol'zovaniem
metoda iskusstvennykh neyronnykh setey [Prediction of the resource of cable lines using the
method of artificial neural networks], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU.
Engineering Sciences], 2019, No. 3 (205), pp. 51-62.
24. Galushka V.V., Fathi V.A. Formation of the training sample by using artificial neural networks
in search problems database errors, Inženernyj vestnik Dona (Rus.), 2013, No. 2. Available at:
ivdon.ru/ru/magazine/archive/n2y2013/1597/.
25. Dubyago M.N., Poluyanovich N.K. Metod otsenki i prognozirovaniya ostatochnogo resursa
izolyatsii kabel'nykh liniy [A method for assessing and predicting the residual life of insulation
of cable lines], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences],
2019, No. 3, pp. 132-143.
