НЕЙРОКОМПЬЮТЕРНОЕ УПРАВЛЕНИЕ ПРОПУСКНОЙ СПОСОБНОСТЬЮ КАБЕЛЬНЫХ СЕТЕЙ ПОСРЕДСТВОМ УЧЕТА И КОНТРОЛЯ ИХ ПАРАМЕТРОВ
Аннотация
Рассматривается нейрокомпьютерная система прогнозирования ресурса силовой ка-
бельной линии (СКЛ) с использованием нейросетевых технологий. Выбрана аппаратная
модульная реализация нейрокомпьютера (НК) реализованным на базе ПЛИС. Для решения
задачи прогнозирования термических процессов СКЛ принято решение использовать циф-
ровой нейрочип NeuroMatrix NM6404 с переменной структурой из-за их высокой произво-
дительности по сравнению с потребляемой мощностью, высокой степенью универсальности. Для прогнозирования температурных режимов СКЛ была разработана искусственная
нейросеть (ИНС) для определения текущего температурного режима для токоведущей
жилы СКЛ. Выбрана архитектура ИНС для реализации НК системы прогнозирования
температуры СКЛ, позволяющая производить долгосрочное прогнозирование температур
СКЛ в режиме реального времени. Произведен выбор функции активации нейронов ИНС
для реализации НК системы прогнозирования температуры СКЛ, позволяющий проводить
долгосрочный прогноз температур СКЛ без увеличения погрешности при увеличении даль-
ности прогноза. Предложенный нейросетевой алгоритм, выполняющий прогнозирование
характеристик электрической изоляции СКЛ, основанный на методе скользящего окна для
прогнозирования временных рядов, был апробирован на контрольной выборке эксперимен-
тальных данных, не входящих в состав выборки для обучения ИНС. Проведены экспери-
ментальные исследования предлагаемого адаптивного метода прогнозирования, а именно
разработан адаптивный алгоритм и выполнено прогнозирование термических процессов в
изоляции СКЛ от тока нагрузки. Анализ результатов показал, что чем больше время со-
старивания, тем больше разность температур между исходным и состаренным образцом.
При анализе полученных данных было определено, что максимально достигнутое отклоне-
ние данных, полученных от ИНС в ходе эксперимента от данных в составе обучающей
выборки, составило менее 3% что является вполне приемлемым для данного исследования
результатом. Показано, что разрабатываемые методы и алгоритмы являются элемен-
тами комплексной системы управления энергосетью, а разработанная адаптивная НК
модель позволяет проводить оценку текущего состояния изоляции и прогнозировать ос-
таточный ресурс СКЛ.
Литература
prognozirovaniya elektroizolyatsionnykh materialov sistem energosnabzheniya [Improvement
of methods of diagnostics and forecasting of electrical insulation materials of power supply
systems]. Rostov-on-Donu; Taganrog: Izd-vo YuFU, 2019, 192 p.
2. Shurykin A.A., Poluyanovich N.K. Otsenka matematicheskogo ozhidaniya resursa
izolyatsii v zadachakh povysheniya nadezhnosti elektrooborudovaniya [Estimation of the
mathematical expectation of the insulation resource in problems of increasing the reliability
of electrical equipment], Inzhenernyy vestnik Dona [Engineering Bulletin of the Don],
2019, No. 2. (53), pp. 16.
3. Neher J.H. McGrath M.H. Calculation of the Temperature Rise and Load Capability of Cable
Systems, AIEE Transactions, 1957, Vol. 76, Part 3, pp. 755-772.
4. Anders G.J. Rating of Cables on Riser Poles, in Trays, in Tunnels and Shafts - a Review, IEEE
Transactions on Power Delivery, 1996, Vol. 11, No. 1, pp. 3-11.
5. Sellers S.M., Black W.Z. Refinements to the Neher-McGrath Model for Calculating the
Ampacity of Underground Cables, IEEE Transactions on Power Delivery, 1996, Vol. 11,
No. 1, pp. 12-30.
6. Lavrov Yu.A. Kabeli vysokogo napryazheniya s izolyatsiey iz sshitogo polietilena.
Trebovaniya ekonomichnosti, nadezhnosti, ekologichnosti [High voltage cables with insulation
made of cross-linked polyethylene. Requirements of economy, reliability, environmental
friendliness], Novosti elektrotekhniki [News of electrical engineering], 2008, No. 2.
7. Lavrov Yu.A. Sistemnyy podkhod k proektirovaniyu vozdushnykh i kabel'nykh liniy
elektroperedachi srednego i vysokogo napryazheniya [System approach to the design of overhead
and cable power transmission lines of medium and high voltage], Linii elektroperedachi
2008: proektirovanie, stroitel'stvo opyt ekspluatatsii i nauchnotekhnicheskiy progress: Mater.
III rossiyskoy nauchno-prakticheskaya konferentsiya s mezhdunarodnym uchastiem [Power
transmission lines 2008: design, construction experience of operation and scientific and technical
progress: Materials of the III Russian scientific and practical conference with international
participation]. Novosibirsk, 2008, pp. 17-27.
8. Kholodnyy S.D. Nagrevanie i okhlazhdenie kabelya, prolozhennogo v zemle [Heating and
cooling of a cable laid in the ground], Elektrichestvo [Electricity], 1964, No. 6, pp. 35-40.
9. Morello A. Variazioni Transitorie di Temperatura Nei Cavi per Energia, L'Elettrotecnica,
1958, Vol. XLV, No. 4, pp. 213-222.
10. Ingersoll L.R., Zobel O.J., Ingersoll A.C. Heat Conduction with Engineering, Geological and
Other Applications. New York: McGraw-Hill, 1954.
11. Working Group 02, CIGRE Study Committee 21: Current Ratings of Cables for Cyclic and
Emergency Loads. Part 1. Cyclic Ratings (Load Factor less than 100%) and Response to a Step
Function, Electra, 1972, No. 24, pp. 63-69.
12. Prime J.B., Valdes J.G. Systems to Monitor the Cconductor Temperature of Underground
Cable, IEEE Transactions on Power Apparatus and Systems, 1981, Vol. PAS–100, No. 1,
pp. 211-219.
13. Anders G.J. Rating of Cables on Riser Poles, in Trays, in Tunnels and Shafts - a Review, IEEE
Transactions on Power Delivery, 1996, Vol. 11, No. 1, pp. 3-11.
14. Anders G.J., Napieralski A., Orlikowski M., Zubert M. Advanced Modeling Techniques for
Dynamic Feeder Rating Systems, IEEE Transactions on Industry Applications, 2003, Vol. 39,
No. 3, pp. 619-626.
15. Korotkevich M.A., Kurachinskiy V.V. Prognozirovanie elektricheskoy nagruzki energosistemy
na sleduyushchie sutki s ispol'zovaniem metoda iskusstvennykh neyronnykh setey [Forecasting
of electrical load power systems for the next day using the method of artificial neural networks].
Belorusskiy natsional'nyy tekhnicheskiy universitet, 2009.
16. Dubyago M.N., Poluyanovich N.K. Pshikhopov V.Kh. Otsenka i prognozirovanie
izolyatsionnykh materialov silovykh kabel'nykh liniy [Evaluation and forecasting of insulating
materials of power cable lines], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering
Sciences], 2015, No. 7 (168), pp. 230-237.
17. León, F., Anders G.J. Effects of Backfilling on Cable Ampacity Analyzed With the Finite
Element Method, IEEE Transactions on Power Delivery, 2008, Vol. 23, No. 2, pp. 537-543.
18. Li H.J. Estimation of Soil Thermal Parameters from Surface Temperature of Underground
Cables and Prediction of Cable Rating, IEEE Proc. Gener. Transm. Distrib., 2005, Vol. 152,
No. 6, pp. 849-854.
19. Poluyanovich N.K., Dubyago M.N., Bur'kov D.V. Neyrosetevaya mnogoetapnaya sistema
prognozirovaniya resursa silovoy kabel'noy linii [Neural network multi-stage system for predicting
the power cable line resource], Matematicheskie metody v tekhnologiyakh i tekhnike
[Mathematical methods in technology and engineering], 2021, No. 11, pp. 20-26.
20. Poluyanovich N.K., Dubyago M.N. Upravlenie propusknoy sposobnost'yu kabel'noy set'yu na
osnove intellektual'no-informatsionnykh tekhnologiy [Cable network bandwidth management
based on intellectual and information technologies], Problemy i perspektivy razvitiya
energetiki, elektrotekhniki i energoeffektivnosti: Mater. V Mezhdunarodnoy nauchnotekhnicheskoy
konferentsii [Problems and prospects for the development of energy, electrical
engineering and energy efficiency: Materials of the V International Scientific and Technical
Conference]. Cheboksary, 2021, pp. 122-127.
