АНАЛИЗ И ВЫБОР МЕТОДИКИ В РЕШЕНИИ ЗАДАЧ ИНТЕЛЛЕКТУАЛИЗАЦИИ СИСТЕМ ПРОГНОЗИРОВАНИЯ ТЕРМОФЛУКТУАЦИОННЫХ ПРОЦЕССОВ В КАБЕЛЬНЫХ СЕТЯХ
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. Для решения
задачи прогнозирования ресурса СКЛ была выбрана сеть с прямым распространением дан-
ных и обратного распространения ошибки, т.к. сети такого типа в совокупности с акти-
вационной функцией в виде гиперболического тангенса являются в некоторой степени уни-
версальной структурой для многих задач аппроксимации, приближения и прогнозирования.
Разработана нейросеть для определения температурного режима токоведущей жилы
силового кабеля. Проведен сравнительный анализ экспериментальных и расчетных харак-
теристик 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 2,5 % что является вполне приемлемым результатом. Для по-
вышения точности необходимо использовалось большое количество входных и выходных
данных при обучении сети, а также некоторая доработка ее структуры. Модель позволя-
ет оценивать текущее состояние изоляции и прогнозировать остаточный ресурс СКЛ. Модель
может быть использована в устройствах и системах непрерывного диагностирования
силовых кабелей по температурным режимам.
