Найти

Результаты поиска

• МНОГОЭТАПНЫЙ МЕТОД КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ТЕМПЕРАТУРНЫХ РЕЖИМОВ В СИЛОВОМ КАБЕЛЕ

  Н. К. Полуянович, Н. В. Азаров, А. В. Огреничев, М. Н. Дубяго

  2020-07-20

  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.