-
题名基于反向传播神经网络的载流导体本体温度仿真计算
被引量：6
- 1
-
-
作者
徐卫东
聂一雄
周文文
彭丹
-
机构
广东工业大学自动化学院
-
出处
《广东电力》
2017年第11期104-108,共5页
-
基金
东莞市科技局产学研合作项目专项资金资助项目(2015509132215)
-
文摘
在常规的载流导体本体温度测试中,由于传感器不能直接贴近导体而存在一定的测量偏差。为解决此问题,建立了基于反向传播(back propagation,BP)神经网络的开关柜载流导体本体温度计算模型,利用己有载流导体表层温度和环境温度数据训练BP神经网络,无需考虑载流导体本身的物性参数。以额定电压12 kV、载流1.25 kA开关柜出线室电缆为试验对象运行该模型,在迭代240次左右完成训练学习,计算出导体本体温度为65℃。通过与有限元模型计算结果进行对比,验证了所建模型能准确计算载流导体本体的温度,且建模简单、操作方便、可重复使用。进一步提高模型的计算精度是下一步研究的方向。
-
关键词
!开关柜
载流导体
温度
反向传播神经网络
-
Keywords
switch cabinet
current - carrying conductor
temperature
back propagation neuralnet work
-
分类号
TM247
[一般工业技术—材料科学与工程]
-
