模糊系統結合最小二乘的溫升預測方法

王剛+張博+王冠+葉三排

摘 要：針對金具溫升過高現象，提出了新的溫升預測方法。通過溫升試驗得到訓練數據與測試數據，利用訓練數據通過遞推最小二乘結合遺傳算法的方法對模糊系統進行訓練，利用測試數據對訓練后的模型進行檢驗，誤差處于合理范圍。訓練與測試結果說明運用新方法預測金具溫升是可行的。通過回歸分析對金具溫升進行預測，并與新方法進行比較，新方法的預測效果優于傳統的回歸模型，比較結果體現了新方法在溫升預測方面的優勢。

關鍵詞：

金具；溫升試驗；模糊系統；回歸模型

DOI：10.15938/j.jhust.2017.06.010

中圖分類號： TM11；TP18

文獻標志碼： A

文章編號： 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

溫升預測的主要方法有理論法與數值法。理論法主要考慮對電力設備溫升影響較大的因素，包括電流密度、表面輻射等，運用熱學、電學等基礎理論計算溫升，數值法包括有限元法、有限差分法等，通過數值算法解微分方程組得到溫升。電力設備的溫升與電流密度、環境溫度等很多因素相關，多為復雜的非線性關系，理論法和數值法往往需要進行假設和簡化，這造成方法的應用受到限制[1-5]。近年來人們普遍使用智能方法預測溫升。孫才新、陳偉根、蘇小平、滕黎等運用神經網絡預測了變壓器繞組熱點溫度[6-9]。Pylvanainen通過建立神經網絡模型，對變壓器頂層油溫和繞組熱點溫度進行了預測[10]。文[11-13]通過多種神經網絡模型對變壓器繞組熱點溫度或頂層油溫進行了預測。

人們經常用神經網絡模型預測溫升，模糊系統在溫升預測應用較少，它不僅能像神經網絡那樣進行學習，而且可以結合相應領域的專家經驗。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，其內部連接金具經常溫升過高，尚無較好地解決該問題的有效方法，本文針對該問題，提出了新的溫升預測方法[14-19]。

1 模糊系統

M型模糊系統集成了純模糊系統與TSK模糊系統的優點，克服了兩者相應的缺點，在交通、控制等領域應用廣泛，其表達式為：

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。將二者結合對模糊系統進行訓練以取長補短。

2 溫升新模型

交流電的集膚效應使空間分布位置復雜的各軟導線上的電流差異較大，相應的溫升差異也較大。本文的研究對象是軟導線的最高溫升與電流強度、軟導線數量的關系，系統輸入是電流強度與軟導線數量，輸出是最高溫升，利用模糊系統對輸入與輸出之間復雜的非線性關系進行建模。

試驗依據國標GB/T11022-2011[20]，試件為閥廳內常用的二通連接金具，軟導線為國標GB/T1179-2008[21]規定的JL-1120。

運用測試數據對訓練過的系統進行檢驗，檢驗結果見表7。由表7得，絕對誤差最大為6.9℃，出現在第12組測試數據，相對誤差最大為11.86%，也出現在第12組測試數據， 所有測試數據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，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在第6組測試數據，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%。兩種模型的預測效果對比如圖2～圖6所示。

由圖2～圖6可得，與傳統的回歸分析溫升預測模型相比，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%，新模型的預測效果優于傳統模型，這主要是由于金具最高溫升與電流強度、軟導線數量之間存在著復雜的非線性關系，傳統模型無法體現這種復雜關系，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度、軟導線數量之間的復雜關系，所以新方法所得模型的預測效果優于傳統模型。endprint

4 結 論

1）通過遞推最小二乘結合遺傳算法的方法對模糊系統進行訓練，運用此方法預測閥廳連接金具的溫升，并檢驗所得模型可靠性，結果合理。

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

3）結果說明運用新方法預測閥廳連接金具溫升是可行的。

參 考 文 獻：

[1] 丁樹業，李珊珊，張睿，等.永磁驅動電機接線盒結構優化熱性能分析[J].電機與控制學報，2015，19（12）：53-59.

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

[3] 陳衛杰，苗立杰，丁樹業.循環泵屏蔽電機定子端部溫升過高數值計算[J].電機與控制學報，2016，20（2）：83-89.

[4] 張炳義，王森，馮桂宏.基于流固禍合的無人機主推進電機溫度場研究[J].電機與控制學報，2014，18（6）：116-120.

[5] 周小涵，曾艷華，范磊，等.基于正交試驗的寒區隧道溫度場影響因素敏感度研究[J].湖南大學學報（自然科學版），2016，43（11）：154-160.

[6] 陳偉根，奚紅娟，蘇小平，等.廣義回歸神經網絡在變壓器繞組熱點溫度預測中的應用[J].高電壓技術，2012，38（1）：16-21.

[7] 蘇小平.油浸式變壓器繞組熱點溫度計算模型及預測方法研究[D].重慶：重慶大學，2012.

[8] 滕黎.油浸式變壓器熱路計算及熱點溫度遺傳支持向量機預測研究[D].重慶：重慶大學，2012.

[9] 李孟勵.基于BP神經網絡的變壓器繞組熱點溫度預測方法研究[D].重慶：重慶大學，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后系統穩定特性及協調控制策略[J].電網技術，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直流偏磁治理[J].高電壓技術，2016，42（2）：543-550.

[16]姚良忠，吳靖，王志冰，等.未來高壓直流電網發展形態分析[J].中國電機工程學報，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].中國電機工程學報，2016，36（14）：2581-2587.

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

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

[20]GB/T11022-2011高壓開關設備和控制設備標準的共用技術要求[S].北京：中國標準出版社，2011.

[21]GB/T1179-2008.圓線同心絞架空導線[S].北京：中國標準出版社，2008.

（編輯：關 毅）endprint