一种基于高斯过程回归的数字孪生电缆温度预测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115828688A(43)申请公布日2023.03.21(21)申请号202211520121.X(51)Int.Cl.(22)申请日2022.11.30G06F30/23(2020.01)G06F30/27(2020.01)(71)申请人国网河北省电力有限公司邯郸供电G06Q10/04(2023.01)分公司G06F113/16(2020.01)地址056000河北省邯郸市中华北大街48G06F119/08(2020.01)号申请人国家电网有限公司华北电力大学（保定）(72)发明人韩卫星王亚潇杨光郝春生孔德靖刘佳豪田野刁亚飞马涛贾有为陈恒毛亚鹏赵翠妹闫志杰(74)专利代理机构郑州博骏知识产权代理事务所(普通合伙)41222专利代理师赵云权利要求书2页说明书4页附图4页(54)发明名称一种基于高斯过程回归的数字孪生电缆温度预测方法(57)摘要本发明提供了一种基于高斯过程回归的数字孪生电缆温度预测方法，通过构建人工智能算法下的基于高斯过程回归的数字孪生电缆温度预测模型，计算电缆不同激励下的温度分布情况，包括S1：电缆有限元特征变量的获取；S2：电缆温度预测模型的构建；S3：基于高斯过程回归的数字孪生电缆温度预测共三个步骤。本发明与电缆温度的有限元耦合计算相比，预测模型的温度计算速度提升了约400倍左右，可满足电缆温度计算在数字孪生应用中的实时性要求。相较于单点测温，电缆温度预测模型能够得到电缆温度的整体分布状态。与分布式测温相比，电缆温度预测模型经济性更好。CN115828688ACN115828688A权利要求书1/2页1.一种基于高斯过程回归的数字孪生电缆温度预测方法，所述方法通过构建人工智能算法的基于高斯过程回归的数字孪生电缆温度预测模型，计算电缆不同激励下的温度分布情况，具体包括如下步骤：步骤1：电缆有限元特征变量的获取；步骤2：电缆温度预测模型的构建；步骤3：基于高斯过程回归的数字孪生电缆温度预测。2.如权利要求1所述的一种数字孪生电缆温度预测方法，其特征在于，所述步骤1具体包括如下步骤：S101采用有限元法对10kV交流电缆进行电磁场‑温度场耦合计算，获得电缆温度相关数据集；S102综合考虑电缆电磁参数、电缆热参数和外界环境参数对电缆温度的影响，将电磁参数、热参数与外界环境参数作为输入特征量，将电缆温度作为输出特征量；S103基于电缆电磁场‑温度场有限元耦合计算结果，构建用作高斯过程回归训练的数据集。3.如权利要求1所述的一种数字孪生电缆温度预测方法，其特征在于，所述步骤2具体包括如下步骤：S201根据步骤1中获取的高斯过程回归训练的数据集，将数据集分为训练集与测试集；S202对高斯过程回归模型进行参数设置与核函数选择，设置优化器、基函数类型和核函数类型，将数据集输入到高斯过程回归模型中进行训练与测试；S203测试结果如果满足误差要求则直接输出电缆温度预测模型，如不满足要求则需要调整核函数中的超参数重新进行训练，直到满足误差要求为止。4.如权利要求1所述的一种数字孪生电缆温度预测方法，其特征在于，所述步骤3具体包括如下步骤：S301根据步骤2中电缆温度预测模型的构建流程，对各个过程进行自动化的代码编写，将各过程代码进行合成与封装，得出基于高斯过程回归的数字孪生电缆温度预测模型；S302将数字孪生电缆温度预测模型与智能传感技术进行结合，将实际测量的电流数值通过传感器输入到电缆温度预测模型中，用来控制激励电流大小的变化，计算得出电缆不同激励下的温度分布情况。5.如权利要求2所述的一种数字孪生电缆温度预测方法，其特征在于，所述步骤1中电缆的型号为YJV22‑8.7/10‑3×240mm2的10kV交流三芯电缆。6.如权利要求2所述的一种数字孪生电缆温度预测方法，其特征在于，所述步骤1中电缆的尺寸为缆芯直径18.3mm、绝缘层厚度4.5mm、屏蔽层厚度0.5mm、铠装厚度0.8mm、内护套厚度2.5mm和外护套厚度3.5mm。7.如权利要求2所述的一种数字孪生电缆温度预测方法，其特征在于，所述步骤1中的输入特征量为一个6维向量，特征变量包括激励电流、缆芯电导率、缆芯相对磁导率、绝缘导热系数、对流换热系数和外界环境温度。8.如权利要求3所述的一种数字孪生电缆温度预测方法，其特征在于，所述步骤2将数据集分为训练集与测试集，训练集占80％，测试集占20％。9.如权利要求3所述的一种数字孪生电缆温度预测方法，其特征在于，所述步骤2的高斯过程回归模型中，优化器为贝叶斯优化，基函数类型为线性，核函数类型为平方指数协方差函数，函数公式为：2CN115828688A权利要求书2/2页10.如权利要求4所述的一种数字孪生电缆温度预测方法，其特征在于，所述步骤3中的传感器包括传感