买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网湖北省电力有限公司武汉供电公司

摘要：一种基于改进PSO‑ANN的电缆缆芯温度预测方法，包括：获得影响电缆缆芯温度相关的历史数据，并将其分为训练集数据和测试集数据；将所述历史数据作为输入变量，并对其进行归一化处理，以电缆缆芯温度作为输出变量；建立改进后的PSO‑BP神经网络模型，并初始化改进后的PSO‑BP神经网络，对改进后的PSO‑BP神经网络进行训练，得到基于改进PSO‑BP的电缆缆芯温度预测模型；将归一化的历史数据输入基于改进PSO‑BP的电缆缆芯温度预测模型中，获得预测的电缆缆芯温度。综上，本发明用以对电缆缆芯温度进行预测，为电缆温度检测提供预警，解决了缆芯温度无法直接测量的问题，对于电缆的运行维护起到至关重要的作用。

主权项：1.一种基于改进PSO-ANN的电缆缆芯温度预测方法，其特征在于，包括如下步骤：获得影响电缆缆芯温度相关的历史数据，并将其分为训练集数据和测试集数据，其中，影响电缆缆芯温度相关的历史数据主要为：环境温度、负荷电流、外护套温度、CO浓度、CH4浓度、H2S浓度；将所述历史数据作为输入变量，并对其进行归一化处理，以电缆缆芯温度作为输出变量；建立改进后的PSO-BP神经网络模型，并初始化改进后的PSO-BP神经网络，对改进后的PSO-BP神经网络进行训练，得到基于改进PSO-BP的电缆缆芯温度预测模型；将归一化的历史数据输入基于改进PSO-BP的电缆缆芯温度预测模型中，获得预测的电缆缆芯温度；所述初始化改进后的PSO-BP神经网络，对改进后的PSO-BP神经网络进行训练，得到基于改进PSO-BP的电缆缆芯温度预测模型，具体包括：在步骤S31中，初始化模型的参数，所述参数包含BP网络算法的网络层数、训练次数、学习速率，以及粒子群算法的种群规模、迭代次数，惯性权重；在步骤S32中，根据BP神经网络的各层节点数计算网络的权值和阈值的总个数，即粒子的长度；在步骤S33中，根据BP神经网络的权值和阈值按二进制编码方式编码成对应的粒子；在步骤S34中，初始化粒子群，包括种群规模N，每个粒子的位置xi和速度vi，设定粒子群算法的相关参数；在步骤S35中，利用适应度函数计算初始粒子群中每个粒子的适应度；在步骤S36中，分别记录粒子群的个体极值和全局极值；在步骤S37中，更新粒子的速度和位置；在步骤S38中，计算新粒子群中每个粒子的适应度；在步骤S39中，对每个个体极值进行更新；在步骤S310中，对粒子群的全局极值进行更新；在步骤S311中，如果满足结束条件或迭代次数达到最大循环迭代次数，则退出循环，否则返回S36；在步骤S312中，输出问题的最优解，并将最优解赋值给BP神经网络进行预测；所述建立改进后的PSO-BP神经网络模型，具体包括：首先，在BP网络的输入层至隐含层，隐含层至输出层的权值和阈值修正公式中引入前一时刻的权值阈值修正变量以提高收敛速度，有效避免修正值为0，使得神经网络输出从局部最小值跳出；其次，将粒子群算法中惯性权重由常用的线性递减改为随机权重，让粒子历史速度对当前速度所造成的影响是随机的，部分避免线性递减的惯性权值存在的不足，减小陷入局部最优的概率；最后，在PSO算法迭代优化过程中引入变异算子，提高粒子群算法的全局优化能力；所述引入前一时刻的权值阈值修正变量以提高收敛速度，具体包括：在修正公式中引入前一时刻的权重阈值修正变量，从而传递每一次的权值变化，能够促使权值的调节向着误差曲面底部的平均方向变化，有助于使网络从误差曲面的局部最小值中跳出，改进后的权值阈值修正公式为： 式中，mc为动量因子，取mc＝0时，改进后的修正公式与传统算法的修正公式保持一致，即仅考虑当前输出误差的传递下降；取mc＝1时，改进后的权值阈值变化量与前一次权值阈值变化量保持一致，即仅考虑前一次训练输出误差的梯度下降；由此，当增加动量向量后，在局部最小区域，即ekj、dtk趋近于0时，仍有： 从而有效避免修正值为0，能够使得神经网络输出从局部极小值跳出；所述将粒子群算法中惯性权重由常用的线性递减改为随机权重，具体包括：改进粒子群算法在速度更新方程中引入惯性权重对粒子速度进行调节： 对上式中惯性权重引入随机权重，权值公式改进为：w＝μ+δ*N0,17μ＝μmin+μmax-μmin*rand0,18式中δ为用来表示惯性权重与其数学期望之间的偏离程度的值，取δ＝0.3，该项是为了控制取值中的权重误差，使惯性权重向有利于期望权重方向进化。

全文数据：

权利要求：

百度查询： 国网湖北省电力有限公司武汉供电公司 一种基于改进PSO-ANN的电缆缆芯温度预测方法