占良浩

摘 要：該文研究了使用BP人工神經網絡計算電力電纜線芯溫度的方法，先根據雙回電力電纜的物理模型在有限元計算軟件里建立實體模型，然后對模型各個模塊標上物性參數(shù)，再模擬仿真計算雙回電力電纜運行過程中周圍熱場的變化，并計算多組數(shù)據，將這些數(shù)據送入BP人工神經網絡進行學習，再使用經過訓練的BP人工神經網絡對電力電纜線芯溫度進行預測計算，取得了不錯的效果。該文中的模型和計算方法以及結論可供工程實踐參考。

關鍵詞：BP人工神經網絡 有限元法 線芯溫度 研究

中圖分類號：TM247 文獻標識碼：A 文章編號：1672-3791（2015）11（a）-0056-03

電力電纜的運行過程中，由于直埋于土壤當中，更因為電壓電流絕緣等問題，其線芯溫度一般不可能直接通過傳感器測量得到。而電力電纜在運行的過程中，線芯溫度不能超過90 ℃，如果溫度過高，會加快電力電纜的老化，有可能發(fā)生絕緣擊穿等事故，但同時也不能單純?yōu)榱私档碗娏﹄娎|線芯溫度而降低電力電纜的負荷，這樣會導致電力電纜不能夠充分利用，造成一定程度上的設備浪費，使得投資不能夠充分利用。在這樣的背景下，間接獲取電力電纜線芯溫度變得尤為重要。近幾十年來，隨著計算機科學與技術的快速發(fā)展人工神經網絡技術也有了長足發(fā)展，人工神經網絡技術有良好的自適應能力，能夠處理非線性問題，并且有健壯性和高效性的特點。因此人工神經網絡被廣泛用于處理那些傳統(tǒng)方法傳統(tǒng)思路不能夠很好或者根本不能處理的問題，并且在這些問題上取得了不小的成果，該文應用人工神經網絡技術來預測分析計算電力電纜線芯溫度[1-5]。

1 雙回電力電纜土壤直埋溫度場以及結構

該文以CYZQ-845型雙回電力電纜在土壤直埋情況下運行為研究對象，當電力電纜運行在土壤中時，電流流經電力電纜線芯會產生熱量，電力電纜絕緣介質損耗也會產生熱量，這些熱量向電力電纜周圍以土壤為介質擴散，一部分通過土壤擴散到空氣當中，另一部分向更深處的土壤擴散，在土壤中生熱的傳熱過程的數(shù)學描述如下方程表示[6]。

其中，式中t 為溫度，為傳熱系數(shù)，為密度，c 為比熱容，為內熱源，為時間。

CYZQ-845型電力電纜由內到外依次為導體，導體屏蔽，油紙絕緣，絕緣屏蔽，鋼帶，鉛護套，不銹鋼帶，化纖帶，外護套。

2 人工神經網絡

人工神經網絡技術是近幾十年來新發(fā)展起來的一門技術，隨著計算機科學與技術的不斷發(fā)展，人工神經網絡技術也跟著不斷完善，在不同領域也有了越來越廣泛的應用。人工神經網絡有如下特點。

（1）自適應能力：人工神經網絡模型剛建立時是不能直接使用的，需要輸入樣本進行訓練才能使用，人工神經網絡可以自動調整權值，這個過程是自動完成的。

（2）處理非線性問題：傳統(tǒng)思維和方法在處理線性問題上已經相當成熟，在處理非線性問題時也往往將非線性問題轉化為線性問題來處理，人工神經網絡可以處理更復雜的非線性問題，并且取得不錯的成果。

（3）健壯性：當人工神經網絡損失一部分節(jié)點時，整個功能不受影響或者受影響的程度不是很大。

（4）高效性：人工神經網絡可以準確方便地處理復雜問題，隨著分布式計算和并行計算的發(fā)展，人工神經網絡處理問題的效率越來越高。

BP人工神經網絡是人工神經網絡技術中得到廣泛應用的一種模型。BP人工神經網絡由3部分組成，分別是輸入層，隱含層，輸出層。每一層由多個神經網絡細胞所組成，其中神經網絡細胞不固定。輸入層和輸出層分別只有一層，隱含層可以有一層也可以有多層，處于相鄰層之間的人工神經網絡細胞由權值相連接。BP人工神經網絡的隱含層的層數(shù)往往并不是那么容易確定，隱含層的層數(shù)如果過少，會使得訓練后的人工神經網絡的計算預測能力不那么理想；如果隱含層的層數(shù)如果過多，會使得人工神經網絡的樣本訓練時間過長，訓練后的人工神經網絡在計算時所用的時間也會過長，因為隱含層的層數(shù)要恰當選擇。

3 人工神經網絡計算電力電纜線芯溫度

人工神經網絡在使用之間需要進行樣本訓練。該文使用的BP人工神經網絡的輸入層有5個輸入端，輸出層有2個輸出端。輸入層的5個輸入端分別是第一根電力電纜表皮溫度，第二根電力電纜表皮溫度，第一根電力電纜線芯單位長度生熱功率，第二根電力電纜線芯單位長度生熱功率，兩根電力電纜線芯連線中點溫度；輸出層的2個輸出端分別是第一根電力電纜線芯溫度和第二根電力電纜線芯溫度。以上溫度均是雙回電力電纜在穩(wěn)態(tài)運行情況下由有限元計算軟件計算獲得。5個輸入端的輸入和2個輸出端的輸出構成一組數(shù)據，先用有限元軟件計算出多組這樣的數(shù)據，然后將這些數(shù)據作為訓練人工神經網絡用的樣本數(shù)據。

經過訓練后的人工神經網絡對電力電纜線芯溫度計算值和有限元軟件仿真計算值如圖1、圖2所示。

在兩圖中，圓圈表示人工神經網絡對電力電纜線芯溫度計算值，星號表示有限元軟件仿真計算值。由上兩圖可知，使用人工神經網絡計算電力電纜穩(wěn)態(tài)運行時的線芯溫度有著不錯的效果。

4 結語

該文研究了BP人工神經網絡對雙回電力電纜穩(wěn)態(tài)運行時線芯溫度進行計算。先使用有限元軟件計算多組數(shù)據作為樣本，其中一組數(shù)據包括5個輸入端的輸入數(shù)據和2個輸出端的輸出數(shù)據。將樣本送入BP人工神經網絡進行訓練。將訓練好的BP人工神經網絡用于計算雙回電力電纜穩(wěn)態(tài)運行時線芯溫度，并取得了不錯的效果。

參考文獻

[1] 周品.MATLAB神經網絡設計與應用[M].清華大學出版社， 2013.

[2] 海金.神經網絡與機器學習[M].機械工業(yè)出版社，2011.

[3] 王孔森，盛戈皞，孫旭日，等.基于徑向基神經網絡的輸電線路動態(tài)容量在線預測[J].電網技術，2013，37（6）：1719-1725.

[4] 馬國棟.電線電纜載流量[M].北京：中國電力出版社，2003.

[5] 王娜娜，于海，劉同同，等.基于 BP 網絡預測的地埋電力電纜動態(tài)增容[J].黑龍江電力，2014，36（4）：313-316.

[6] 楊世銘，陶文銓.傳熱學第四版[M].高等教育出版社，2006.