基于EEMD和改进Elman神经网络的电力电缆故障监测及预警算法研究

针对电力电缆故障的关键因素在于电缆分接头的温升。本文提出采用总体平均经验模态分解EEMD和改进Elman神经网络的方法对非线性电力电缆接头温度时间序列进行预测的方式达到预警电力电缆故障的目的。首先,采用光纤光栅传感器来监测电缆接头温度,得到样本序列。为避免模态混叠,采用EEMD对电力电缆接头温度序列进行预处理。预处理后的温度序列为一系列彼此独立的本征模函数分量,外加一个残余分量。为提高Elman神经网络的预测精度,在预测前利用相空间重构法对分解后的序列进行重构计算。在对重构序列数据进行归一化后利用Elman神经网络进行下一周期内的温度预测。实际预测结果表明,本文算法具有较高的拟合精度,适应性较好,可以推广应用至实际电力电缆故障的监测和预警系统。

电力电缆故障监测及预警系统的设计

电缆接头温度严重影响电缆的绝缘寿命,传统的电力电缆监控系统通过采集电缆接头温度,当监测到电缆接头温度大于阂值时再进行处理,此时可能已经发生电缆故障。重点研究如何实现电缆故障预判,通过合适的算法提前判断电缆接头存在故障的可能性。因此提出利用灰色GM(1,1)模型建立电缆接头温度预测模型,实时预测电缆接头在下个周期内的温度,将该模型的预测值与阈值进行比较,当预测值大于阈值时,电缆便存在发生故障的趋势,系统发出告警信号。利用该顸警模型成功预测了蚌埠供电公司汤河路段电缆故障点。