王剛+張博+王冠+葉三排

摘 要：針對金具溫升過高現(xiàn)象，提出了新的溫升預(yù)測方法。通過溫升試驗(yàn)得到訓(xùn)練數(shù)據(jù)與測試數(shù)據(jù)，利用訓(xùn)練數(shù)據(jù)通過遞推最小二乘結(jié)合遺傳算法的方法對模糊系統(tǒng)進(jìn)行訓(xùn)練，利用測試數(shù)據(jù)對訓(xùn)練后的模型進(jìn)行檢驗(yàn)，誤差處于合理范圍。訓(xùn)練與測試結(jié)果說明運(yùn)用新方法預(yù)測金具溫升是可行的。通過回歸分析對金具溫升進(jìn)行預(yù)測，并與新方法進(jìn)行比較，新方法的預(yù)測效果優(yōu)于傳統(tǒng)的回歸模型，比較結(jié)果體現(xiàn)了新方法在溫升預(yù)測方面的優(yōu)勢。

關(guān)鍵詞：

金具；溫升試驗(yàn)；模糊系統(tǒng)；回歸模型

DOI：10.15938/j.jhust.2017.06.010

中圖分類號(hào)： TM11；TP18

文獻(xiàn)標(biāo)志碼： A

文章編號(hào)： 1007-2683（2017）06-0052-05

Abstract：For the problem that the rise of temperature of fitting is too high to control， a new method of predicting the rise of temperature has been put forward. The training data and the testing data are obtained from the experiment of rising of temperature. Through training data， the fuzzy system is trained by recursive least square combined genetic algorithm. Then the model is tested by testing data. The error is in reasonable range. The result shows that the new method is feasible to predict the rise of temperature of connection fitting. Regression analysis is used to predict the rise of temperature of connection fitting and the result is compared with that of new model， the result of new model is better than that of traditional regression analysis model， the result of comparison reflects that the new method has advantages for predicting the rise of temperature.

Keywords：fitting； the experiment of the rise of temperature； fuzzy system；regression analysis model

0 引 言

溫升預(yù)測的主要方法有理論法與數(shù)值法。理論法主要考慮對電力設(shè)備溫升影響較大的因素，包括電流密度、表面輻射等，運(yùn)用熱學(xué)、電學(xué)等基礎(chǔ)理論計(jì)算溫升，數(shù)值法包括有限元法、有限差分法等，通過數(shù)值算法解微分方程組得到溫升。電力設(shè)備的溫升與電流密度、環(huán)境溫度等很多因素相關(guān)，多為復(fù)雜的非線性關(guān)系，理論法和數(shù)值法往往需要進(jìn)行假設(shè)和簡化，這造成方法的應(yīng)用受到限制[1-5]。近年來人們普遍使用智能方法預(yù)測溫升。孫才新、陳偉根、蘇小平、滕黎等運(yùn)用神經(jīng)網(wǎng)絡(luò)預(yù)測了變壓器繞組熱點(diǎn)溫度[6-9]。Pylvanainen通過建立神經(jīng)網(wǎng)絡(luò)模型，對變壓器頂層油溫和繞組熱點(diǎn)溫度進(jìn)行了預(yù)測[10]。文[11-13]通過多種神經(jīng)網(wǎng)絡(luò)模型對變壓器繞組熱點(diǎn)溫度或頂層油溫進(jìn)行了預(yù)測。

人們經(jīng)常用神經(jīng)網(wǎng)絡(luò)模型預(yù)測溫升，模糊系統(tǒng)在溫升預(yù)測應(yīng)用較少，它不僅能像神經(jīng)網(wǎng)絡(luò)那樣進(jìn)行學(xué)習(xí)，而且可以結(jié)合相應(yīng)領(lǐng)域的專家經(jīng)驗(yàn)。換流站中的高端閥廳是直流特高壓輸電工程的重要組成部分，其內(nèi)部連接金具經(jīng)常溫升過高，尚無較好地解決該問題的有效方法，本文針對該問題，提出了新的溫升預(yù)測方法[14-19]。

1 模糊系統(tǒng)

M型模糊系統(tǒng)集成了純模糊系統(tǒng)與TSK模糊系統(tǒng)的優(yōu)點(diǎn)，克服了兩者相應(yīng)的缺點(diǎn)，在交通、控制等領(lǐng)域應(yīng)用廣泛，其表達(dá)式為：

遞推最小二乘算法適合局部搜索，不適合全局搜索，遺傳算法相反，擅長全局搜索，不擅長局部搜索。將二者結(jié)合對模糊系統(tǒng)進(jìn)行訓(xùn)練以取長補(bǔ)短。

2 溫升新模型

交流電的集膚效應(yīng)使空間分布位置復(fù)雜的各軟導(dǎo)線上的電流差異較大，相應(yīng)的溫升差異也較大。本文的研究對象是軟導(dǎo)線的最高溫升與電流強(qiáng)度、軟導(dǎo)線數(shù)量的關(guān)系，系統(tǒng)輸入是電流強(qiáng)度與軟導(dǎo)線數(shù)量，輸出是最高溫升，利用模糊系統(tǒng)對輸入與輸出之間復(fù)雜的非線性關(guān)系進(jìn)行建模。

試驗(yàn)依據(jù)國標(biāo)GB/T11022-2011[20]，試件為閥廳內(nèi)常用的二通連接金具，軟導(dǎo)線為國標(biāo)GB/T1179-2008[21]規(guī)定的JL-1120。

運(yùn)用測試數(shù)據(jù)對訓(xùn)練過的系統(tǒng)進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果見表7。由表7得，絕對誤差最大為6.9℃，出現(xiàn)在第12組測試數(shù)據(jù)，相對誤差最大為11.86%，也出現(xiàn)在第12組測試數(shù)據(jù)， 所有測試數(shù)據(jù)的絕對誤差平均值為3℃，相對誤差平均值為6%，在合理范圍內(nèi)，由新方法所得模型可靠性較高。

由表8可知，絕對誤差與相對誤差最大值都出現(xiàn)在第6組測試數(shù)據(jù)，分別為16.5℃與25.94%，絕對誤差平均值7.7℃，相對誤差平均值為13.6%。兩種模型的預(yù)測效果對比如圖2～圖6所示。

由圖2～圖6可得，與傳統(tǒng)的回歸分析溫升預(yù)測模型相比，新方法所得溫升模型的絕對誤差平均值下降了4.7℃，最大值下降了9.6℃，相對誤差平均值下降了7.6%，最大值下降了14.08%，新模型的預(yù)測效果優(yōu)于傳統(tǒng)模型，這主要是由于金具最高溫升與電流強(qiáng)度、軟導(dǎo)線數(shù)量之間存在著復(fù)雜的非線性關(guān)系，傳統(tǒng)模型無法體現(xiàn)這種復(fù)雜關(guān)系，新方法所得模型能夠反映閥廳連接金具的最高溫升與電流強(qiáng)度、軟導(dǎo)線數(shù)量之間的復(fù)雜關(guān)系，所以新方法所得模型的預(yù)測效果優(yōu)于傳統(tǒng)模型。endprint

4 結(jié) 論

1）通過遞推最小二乘結(jié)合遺傳算法的方法對模糊系統(tǒng)進(jìn)行訓(xùn)練，運(yùn)用此方法預(yù)測閥廳連接金具的溫升，并檢驗(yàn)所得模型可靠性，結(jié)果合理。

2）用傳統(tǒng)的回歸分析模型對閥廳連接金具的溫升進(jìn)行預(yù)測，并與新方法所得模型進(jìn)行比較，新方法所得模型的預(yù)測效果較好。

3）結(jié)果說明運(yùn)用新方法預(yù)測閥廳連接金具溫升是可行的。

參 考 文 獻(xiàn)：

[1] 丁樹業(yè)，李珊珊，張睿，等.永磁驅(qū)動(dòng)電機(jī)接線盒結(jié)構(gòu)優(yōu)化熱性能分析[J].電機(jī)與控制學(xué)報(bào)，2015，19（12）：53-59.

[2] 陳萍，唐任遠(yuǎn)，韓雪巖，等.抑制永磁體局部溫升最高點(diǎn)的不均勻軸向分段技術(shù)[J].電機(jī)與控制學(xué)報(bào)，2016，20（7）：17-59.

[3] 陳衛(wèi)杰，苗立杰，丁樹業(yè).循環(huán)泵屏蔽電機(jī)定子端部溫升過高數(shù)值計(jì)算[J].電機(jī)與控制學(xué)報(bào)，2016，20（2）：83-89.

[4] 張炳義，王森，馮桂宏.基于流固禍合的無人機(jī)主推進(jìn)電機(jī)溫度場研究[J].電機(jī)與控制學(xué)報(bào)，2014，18（6）：116-120.

[5] 周小涵，曾艷華，范磊，等.基于正交試驗(yàn)的寒區(qū)隧道溫度場影響因素敏感度研究[J].湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，43（11）：154-160.

[6] 陳偉根，奚紅娟，蘇小平，等.廣義回歸神經(jīng)網(wǎng)絡(luò)在變壓器繞組熱點(diǎn)溫度預(yù)測中的應(yīng)用[J].高電壓技術(shù)，2012，38（1）：16-21.

[7] 蘇小平.油浸式變壓器繞組熱點(diǎn)溫度計(jì)算模型及預(yù)測方法研究[D].重慶：重慶大學(xué)，2012.

[8] 滕黎.油浸式變壓器熱路計(jì)算及熱點(diǎn)溫度遺傳支持向量機(jī)預(yù)測研究[D].重慶：重慶大學(xué)，2012.

[9] 李孟勵(lì).基于BP神經(jīng)網(wǎng)絡(luò)的變壓器繞組熱點(diǎn)溫度預(yù)測方法研究[D].重慶：重慶大學(xué)，2010.

[10]PYLVANAINEN J.K， NOUSIAINEN K， VERHO P. Studies to Utilize Loading Guides and ANN for Oilimmersed Distribution Transformer Condition Monitoring[J].IEEE Transactions on Power Delivery， 2007， 22（1）： 201-207.

[11]QING H，SI J，TYLAVSKY J D.Prediction of top oil Temperature for Transformers Using Neural Networks[J].IEEE Transactions on Power Delivery，2003，15（4）：1205-1211.

[12]GALDI V，IPPOLITO L， PICCOLO A，et al.Neural Diagnostic System for Transformer Thermal Overload Protection[J].Proc. Inst. Elect. Eng. Elect.Power Application，2003，147（5）：415-421.

[13]ASSUNCAO T， SILVINO J L， RESENDE P.Transformer topoil Temperature Modeling and Simulation[J].Transactions on Engineering， Computing and Technology， 2006， 15（10）： 240-245

[14]吳萍，張健，屠競哲，等.溪洛渡一浙西特高壓直流投運(yùn)后系統(tǒng)穩(wěn)定特性及協(xié)調(diào)控制策略[J].電網(wǎng)技術(shù)，2014，38（7）：1873-1878.

[15 ]鄒國平，姚暉，何文林，等.溪洛渡一浙西1800 kV特高壓直流輸電工程受端電網(wǎng)直流偏磁治理[J].高電壓技術(shù)，2016，42（2）：543-550.

[16]姚良忠，吳靖，王志冰，等.未來高壓直流電網(wǎng)發(fā)展形態(tài)分析[J].中國電機(jī)工程學(xué)報(bào)，2014，34（34）：6007-6018.

[17]劉杰，湯廣福，賀之淵，等.特高壓直流換流閥分布電容分析與測試[J].中國電機(jī)工程學(xué)報(bào)，2016，36（14）：2581-2587.

[18]劉振亞.特高壓直流電氣設(shè)備[M]. 北京：中國電力出版社，2009.

[19]劉振亞，舒印彪，張文亮，等.直流輸電系統(tǒng)電壓等級序列研究[J]. 中國電機(jī)工程學(xué)報(bào)，2008，28（10）：1-8.

[20]GB/T11022-2011高壓開關(guān)設(shè)備和控制設(shè)備標(biāo)準(zhǔn)的共用技術(shù)要求[S].北京：中國標(biāo)準(zhǔn)出版社，2011.

[21]GB/T1179-2008.圓線同心絞架空導(dǎo)線[S].北京：中國標(biāo)準(zhǔn)出版社，2008.

（編輯：關(guān) 毅）endprint