МНОГОЭТАПНЫЙ МЕТОД КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ТЕМПЕРАТУРНЫХ РЕЖИМОВ В СИЛОВОМ КАБЕЛЕ
Ключевые слова:
Искусственный интеллект, нейронные сети, термофлуктуационные процессы, изоляционные материалы, прогнозирование, надежность систем энергоснабженияАннотация
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.
