基于温度以及运行数据的电缆接头绝缘劣化状态预测

摘要：

电缆接头绝缘劣化会导致热损耗的增加进而引起接头表面温度上升,同时表面温度受到运行负荷、环境温度等多方面因素的影响,总体上劣化程度与温度数据表现出非线性分布的情况.为此,提出了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化的核极限学习机(Kernel Based Extreme Learning Machine,KELM)的电缆接头绝缘劣化程度预测方法.首先通过实验来验证电缆接头多物理耦合模型的计算准确性,并通过耦合计算模型来获取不同劣化程度、载荷和环境温度下的电缆接头表面温度分布,用于构建训练集、验证集和测试集.其次基于鸟群算法(Bird Swarm Algorithm,BSA)中飞行行为的思想优化麻雀搜索算法,保证了全局收敛又不失种群多样性,有效跳出局部最优.然后通过ISSA算法对KELM的惩罚系数C和核函数σ进行优化,得到绝缘劣化状态预测模型.研究结果表明,改进麻雀算法优化的核极限学习机(ISSA-KELM)的预测效果明显优于其他模型.

关键词：电缆接头、绝缘劣化、麻雀搜索算法、核极限学习机

所属期刊栏目：49

分类号：TP806+.3(远动技术)

资助基金：国网安徽省电力有限公司科技项目5212D019015A

在线出版日期：2022-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：132-137