典型文献
基于温度以及运行数据的电缆接头绝缘劣化状态预测
文献摘要：
电缆接头绝缘劣化会导致热损耗的增加进而引起接头表面温度上升,同时表面温度受到运行负荷、环境温度等多方面因素的影响,总体上劣化程度与温度数据表现出非线性分布的情况.为此,提出了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化的核极限学习机(Kernel Based Extreme Learning Machine,KELM)的电缆接头绝缘劣化程度预测方法.首先通过实验来验证电缆接头多物理耦合模型的计算准确性,并通过耦合计算模型来获取不同劣化程度、载荷和环境温度下的电缆接头表面温度分布,用于构建训练集、验证集和测试集.其次基于鸟群算法(Bird Swarm Algorithm,BSA)中飞行行为的思想优化麻雀搜索算法,保证了全局收敛又不失种群多样性,有效跳出局部最优.然后通过ISSA算法对KELM的惩罚系数C和核函数σ进行优化,得到绝缘劣化状态预测模型.研究结果表明,改进麻雀算法优化的核极限学习机(ISSA-KELM)的预测效果明显优于其他模型.
文献关键词：
电缆接头;绝缘劣化;麻雀搜索算法;核极限学习机
中图分类号：
作者姓名：
徐四勤;黄向前;杨昆;张占龙;甘鹏飞
作者机构：
国网安徽省电力有限公司安庆供电公司 安徽安庆246000;重庆大学输配电装备及系统安全与新技术国家重点实验室 重庆400044
文献出处：
引用格式：
[1]徐四勤;黄向前;杨昆;张占龙;甘鹏飞-.基于温度以及运行数据的电缆接头绝缘劣化状态预测)[J].计算机科学,2022(10):132-137
A类：
B类：
运行数据,电缆接头,绝缘劣化,状态预测,热损耗,加进,表面温度,温度数据,改进麻雀搜索算法,Improved,Sparrow,Search,Algorithm,ISSA,核极限学习机,Kernel,Based,Extreme,Learning,Machine,KELM,多物理耦合,耦合模型,计算准确性,耦合计算,温度分布,训练集,验证集,测试集,鸟群算法,Bird,Swarm,BSA,飞行行为,全局收敛,不失,种群多样性,跳出局部,局部最优,罚系数,核函数,改进麻雀算法,算法优化
AB值：
0.35544
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
