Найти

Результаты поиска

• АЛГОРИТМ ОБУЧЕНИЯ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ ФАКТОРНОГО ПРОГНОЗИРОВАНИЯ РЕСУРСА ИЗОЛЯЦИОННЫХ МАТЕРИАЛОВ СИЛОВЫХ КАБЕЛЬНЫХ ЛИНИЙ

  Н. К. Полуянович , М. Н. Дубяго

  2021-07-18

  Аннотация ▼

  Статья посвящена исследованиям термофлуктуационных процессов в соответствии
  с теорией теплопроводности для решения задач факторного прогнозирования остаточно-
  го ресурса изоляционных материалов на основе неразрушающего температурного метода.
  Обоснована актуальность задачи разработки алгоритма для прогнозирования температу-
  ры жил СКЛ в режиме реального времени на основе данных системы температурного
  мониторинга, с учетом изменения токовой нагрузки линии и внешних условий теплоотвода.
  Экспериментальным методом выявлены типы искусственных нейронных сетей, их архи-
  тектура и состав, которые обеспечивают максимальную точность прогнозирования при
  минимальном наборе значимых факторов. Разработана нейросеть для определения темпе-
  ратурного режима токоведущей жилы силового кабеля. Определен минимальный набор
  значимых факторов и размерность входного обучающего вектора, который обеспечивает
  универсальность нейросетевого метода прогнозирования. Разработана нейросеть для оп-
  ределения температурного режима токоведущей жилы заключается в диагностике и про-
  гнозировании ресурса электроизоляции (ЭИ) силового кабеля. Модель позволяет оцениватьтекущее состояние изоляции и прогнозировать остаточный ресурс СКЛ. Проведен сравни-
  тельный анализ экспериментальных и расчетных характеристик алгоритмов обучения
  искусственной нейронной. Установлено, что предлагаемый алгоритм искусственной ней-
  ронной сети может быть использована для составления прогноза температурного режи-
  ма токоведущей жилы, на три часа вперед с точностью до 2,5% от фактического значе-
  ния температуры жилы. Основная область применения разработанной нейросети для
  определения температурного режима токоведущей жилы заключается в диагностике и
  прогнозировании ресурса электроизоляции (ЭИ) силового кабеля. Разработка интеллекту-
  альной системы прогнозирования (ИНС) температуры жилы СКЛ способствует планиро-
  ванию режимов работы электросети с целью повышения надежности и энергоэффектив-
  ности их взаимодействия с объединенной энергосистемой.