НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ В ЗАДАЧАХ МОНИТОРИНГА ТЕРМОФЛУКТУАЦИОННЫХ ПРОЦЕССОВ КАБЕЛЬНОЙ ЛИНИИ С УЧЕТОМ ВЛИЯНИЯ ПОМЕХ
Аннотация
Статья посвящена оценке влияния магнитных помех, при исследовании термофлук- туационных процессов в режиме динамической токовой нагрузки силовой кабельной линии (СКЛ). На основе таких методов искусственного интеллекта, как нейронные сети и не- четкая логика исследовалась термическая стойкость изоляционных материалов СКЛ оп- ределяющих пропускную способность кабельной линии электроэнергетических систем. Сравнительный обзор существующих на данный момент традиционных неразрушающих методов прогнозирования термических процессов в СКЛ показал, что большинство мето- дов обладают низкой точностью прогноза, а также обладают высокой степенью сложно- сти и большим количеством необходимых вычислительных операций для получения необхо- димых данных прогноза термических процессов в СКЛ. Также большинство методов про- гноза не способны работать в режиме реального времени, что является крайне сущест- венным недостатком. Для решения данной проблемы необходимо прибегнуть к системам прогнозирования, которые строятся на базе искусственного интеллекта с применением методов машинного обучения. Наиболее перспективным на сегодня представляется метод искусственных нейронных сетей (ИНС). Показана необходимость разработки более со- вершенной методики анализа старения изоляционных материалов СКЛ. Обоснована акту- альность задачи создания нейросетей (НС) для оценки пропускной способности, расчёта и прогнозирования температуры жил СКЛ в режиме реального времени на основе данных системы температурного мониторинга, с учетом изменения токовой нагрузки линии и внешних условий теплоотвода. Разработана нейросеть для определения температурного режима токоведущей жилы силового кабеля. Проведен сравнительный анализ эксперимен- тальных и расчетных характеристик распределений температуры, при этом исследова- лись различные нагрузочные режимы работы и функции изменения тока кабеля. Разрабо- тана нейросетевая модель в Matlab Simulink для прогнозирования температуры жилы ка- беля. Создание, обучение и моделирование нейронной сети осуществлялось с помощью Neural Network Toolbox. Модель может быть использована в устройствах и системах не- прерывного диагностирования силовых кабелей по температурным режимам.
