文献类型：期刊文章

作　　者：郭文强[1] 董瑶[2] 李清华[3] 张梦梦[2] 王立贤[2]

GUO Wen-qiang;DONG Yao;LI Qing-hua;ZHANG Meng-meng;WANG Li-xian(School of Electronic Information and Artificial Intelligence,Shaanxi University of Science&Technology,Xi′an 710021,China;School of Electrical and Control Engineering,Shaanxi University of Science&Technology,Xi′an 710021,China;Xi′an Xihan Power Technology Co.,Ltd.,Xi′an 710065,China)

机构地区：[1]陕西科技大学电子信息与人工智能学院,陕西西安710021 [2]陕西科技大学电气与控制工程学院,陕西西安710021 [3]西安西翰电力科技有限公司,陕西西安710065

出　　处：《陕西科技大学学报》

基　　金：陕西省教育厅产业化培育计划项目(18JC003);陕西省科技厅科研计划项目(2017JM6057);陕西省西安市科技计划项目(2019216514GXRC001CG002GXYD1.1)

年　　份：2020

卷　　号：38

期　　号：1

起止页码：149-153

语　　种：中文

收录情况：AJ、CAS、FSTA、UPD、ZGKJHX、普通刊

摘　　要：温度是衡量电力开关柜设备健康状态的重要指标,对开关柜内设备进行准确的温度预测可有效的提前把握其运行状态.传统BP神经网络可以实现温度预测,但由于该网络在训练过程中容易陷入局部极小值,影响了温度预测的准确性.提出了一种PSO优化BP神经网络对设备温度进行预测的方法.首先,将电力运行数据集进行预处理,在网络训练前,利用PSO对神经网络的权值和阈值进行优化,得到PSO-BP预测模型;最后将预测模型运用到开关柜设备温度预测中.实验结果表明:相较于传统的神经网络温度预测方法,文中提出的方法能够对开关柜内设备温度进行有效的预测,为电网管理实现从传统预防性维护到主动预测性的转变提供了一种有效途径.

关 键 词：开关柜 温度预测  PSO-BP 神经网络

分 类 号：TP183]