CN104299034A - 基于bp神经网络的三芯电缆导体暂态温度计算方法 - Google Patents
基于bp神经网络的三芯电缆导体暂态温度计算方法 Download PDFInfo
- Publication number
- CN104299034A CN104299034A CN201410514032.3A CN201410514032A CN104299034A CN 104299034 A CN104299034 A CN 104299034A CN 201410514032 A CN201410514032 A CN 201410514032A CN 104299034 A CN104299034 A CN 104299034A
- Authority
- CN
- China
- Prior art keywords
- particle
- cable conductor
- max
- temperature
- cable
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明公开了一种基于BP神经网络的三芯电缆导体暂态温度计算方法,包括以下步骤:1、训练样本选取;选取载流量数据,所述载流量数据包括:电缆导体电流、电缆外皮温度和电缆导体温度;2、网络训练;构建一个四层BP神经网络,采用粒子群算法先进行一次优化,后使用BP算法进行二次优化方法训练网络;3、电缆导体暂态温度计算;将实时采集到的电缆导体电流和电缆外皮温度输入到步骤2中训练好的网络,即可计算出电缆的导体温度。具有无需考虑电缆本身的物性参数,即可准确地动态计算电缆的导体温度等优点。
Description
技术领域
本发明涉及一种三芯电缆导体暂态温度计算技术,特别涉及一种基于BP神经网络的三芯电缆导体暂态温度计算方法。
背景技术
载流量为电缆在持续负荷中所能传输的最大电流,是电缆运行的重要参数。在该电流的作用下,线芯工作温度达到但不超过电缆主绝缘长期耐热温度(XLPE为90℃),以保证电缆的寿命。如果载流量偏大而导致线芯工作温度超过允许值,电缆的寿命将比期望寿命大大缩短。如果载流量偏小,但是电缆线芯的铜材或者铝材没有得到充分的利用。因此,只要能够准确掌握电缆导体温度,就可以挖掘现有电缆载流量能力,不仅能节约电缆的投资,而且能提高电缆的运行水平和利用率。因而准确计算电缆导体温度成为关键。
由于实际运行电缆线路的负荷电流不是持续不变而是周期变化的,且电缆外部运行环境(埋深处的地温和土壤热阻系数)受多因素影响的量,使得电缆导体的温度是一个时刻变化的物理量。因而电缆导体温度的暂态计算是电缆状态检测的重要手段。电缆的暂态温升计算大都基于电缆的热路模型,常用的方法是分别计算电缆本体和电缆外部环境两部分的暂态响应,然后进行叠加,但该方法计算的准确性仍然受外部环境因素影响。随着测温技术的发展,电缆外皮温度的在线监测得以实现。通过测量外皮温度,再根据电缆的热路暂态模型就可以反推出导体温度。由于导体温度计算只与本体参数有关,所以摆脱了外部环境影响。但在运用这种方法计算过程中,热路的暂态模型比较难确定。
目前,国内外比较有代表性的模型包括动态反馈仿真模型、梯形热网络模型[和传热模型,这几种模型的计算结果都比较准确,但均需求解大量非线性方程。为简化计算,国内学者提出的方法包括以下:在建立单芯电缆等效暂态热路模型基础上,采用Runge-Kutta法求解微分方程组,计算电缆暂态温升,根据光纤测得外皮温度反推导体温度;在建立单芯电缆等效Laplace热路模型基础上,剖分实际连续变化运行电流为等效的阶跃电流,计算不同时间段阶跃电流的产热量,以及实际持续变化电流下的电缆线芯温度;基于电缆实时外皮温度和运行电流,运用BP神经网络实时计算单芯电缆的导体温度。该方法具有较高的精度,且不受电缆本身的物性参数影响。以上方法大都运用于单芯电缆导体暂态温度的计算,对于在三芯电缆导体暂态温度的计算方面的研究却较为匮乏。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种基于BP神经网络的三芯电缆导体暂态温度计算方法,该计算方法解决了三芯电缆导体暂态温度的计算问题,提高了导体温度的计算精度。
本发明的目的通过下述技术方案实现:基于BP神经网络的三芯电缆导体暂态温度计算方法,包括以下步骤:
步骤1、训练样本选取:选取载流量实验数据,包括电缆导体电流、电缆外皮温度和电缆导体温度;
步骤2、网络训练:将训练样本中的电缆导体电流、电缆外皮温度做为输入,电缆导体温度做为输出,构建一个四层神经网络。使用粒子群算法先进行一次优化,后使用BP算法进行二次优化方法训练网络;
步骤3、电缆导体暂态温度计算:将实时采集到的导体电流、电缆外皮温度输入到训练好的网络,即可计算出电缆的导体温度。
在步骤2中,所述采用粒子群算法先进行一次优化,后使用BP算法进行二次优化方法训练网络包括以下步骤:
步骤21、设定粒子群的粒子数m=40,初始化粒子群,即为每一组权值、阈值赋初值如下式:
Xi=(Wi1(:),b1i(:),Wi2(:),b2i(:),…,Wik(:),bki(:)),
式中,Wi1(:),Wi2(:),…,Wik(:)为权值,b1i,b2i,…,bki为阈值,其中下标i表示第i个粒子Xi,下标1,2…k表示神经网络的权值和阈值矩阵个数,其中,k=3;
步骤22、将网络的输出误差定义为粒子的适应度函数,计算各粒子的适应度:
式中,N为样本数,P为输出维数,O为网络输出,d为目标输出;
对每一个粒子,比较当前粒子的适应度与先前的最佳适应度,将二者较小值设为当前粒子的局部极值;
选择所有粒子适应度中适应度最小的一个作为全局极值,并按下式更新粒子速度:
vij(k+1)=wvij(k)+c1r1[Qij(k)-xij(k)]
+c2r2[Qgj(k)-xij(k)],
式中,c1=c2为加速常数,本发明中,c1=c2=2;v1,v2为两取值区间为[0 1]的随机数;vij∈[-vmax,vmax]为第i个粒子第j维空间的速度,vmax为允许移动的最大速度,本发明中vmax=1;xij∈[-xmax,xmax]为第i个粒子第j维空间的位置,xmax为允许的最大空间位置;Qij为第i个粒子第j维空间的局部极值,Qgj为第j为空间的全局极值,w为惯性权重系数,并设置为随迭代次数增加而减小的函数:
w(t)=wmin+(wmax-wmin)(tmax-t)/tmax,
式中,t为当前迭代数,tmax为最大迭代次数,惯性权重系数最大值wmax=0.9,最小值wmin=0.4;
按下式更新粒子的位置:
xij(k+1)=xij(k)+vij(k+1),
式中,xij(k+1)为粒子迭代次数为k时第j维空间的位置;xij(k+1)为粒子迭代次数为k+1时第j维空间的位置;vij(k+1)为粒子迭代次数为k+1时第j维空间的速度;
步骤23、判断算法是否满足误差精度或达到最大迭代次数,如果是,则退出PSO算法,否则,返回继续迭代;将PSO算法得到的权值和阈值作为初值,继续使用BP算法进行二次优化;若训练结果优于PSO训练结果,则输出BP训练的网络,否则,输出PSO训练的网络。
在步骤2中,所述神经网络是一个2-8-8-1的四层BP神经网络,并由电缆导体电流和电缆外皮温度作为输入、电缆导体温度作为输出构建而成。
本发明的工作原理:本发明的基于BP神经网络的三芯电缆导体暂态温度计算方法以电缆导体电流、电缆外皮温度为输入,电缆导体温度为输出,构建了一个四层神经网络模型。先使用粒子群算法先进行一次优化,后使用BP算法进行二次优化的训练方法,训练效果明显优于单独使用BP算法。该方法可以精确地实时计算三芯电缆的导体温度,且不受电缆本身物性参数影响,可以为三芯电缆导体温度的在线监测提供参考。
本发明相对于现有技术具有如下的优点及效果:
1、神经网络可以基于电缆导体电流和电缆外皮温度,无需考虑电缆本身的物性参数,即可准确地动态计算电缆的导体温度,计算方便快捷。
2、本发明采用PSO与BP结合算法对网络进行训练,训练效果优于单独使用BP算法对网络进行训练。使用训练好的网络对电缆导体温度进行计算,前者产生的误差小于后者。
附图说明
图1是基于BP神经网络的三芯电缆导体暂态温度计算方法的总体框图。
图2是四层的BP神经网络拓扑结构图。
图3是训练误差曲线图。
图4是神经网络计算结果图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
如图1所示,基于BP神经网络的三芯电缆导体暂态温度计算方法,包括以下步骤:
步骤1、训练样本选取;选取载流量实验数据,包括电缆导体电流、电缆外皮温度和电缆导体温度;
步骤2、网络训练;将步骤1训练样本中的电缆导体电;使用粒子群算法先进行一次优化,后使用BP算法进行二次优化方法训练网络;
以电缆导体电流、电缆外皮温度作为输入,电缆导体温度作为输出,构建神经网络,该神经网络是一个2-8-8-1的四层BP神经网络,其拓扑结构如图2所示。
设定粒子群的粒子数m=40,初始化粒子群,即为每一组权值、阈值赋初值如下式:
Xi=(Wi1(:),b1i(:),Wi2(:),b2i(:),…,Wik(:),bki(:)),
式中,Wi1(:),Wi2(:),…,Wik(:)为权值,b1i,b2i,…,bki为阈值,其中下标i表示第i个粒子Xi,下标1,2…k表示神经网络的权值和阈值矩阵个数,其中,k=3。
将网络的输出误差定义为粒子的适应度函数,计算各粒子的适应度。
式中N为样本数,P为输出维数,O为网络输出,d为目标输出。
对每一个粒子,比较当前粒子的适应度与先前的最佳适应度,将二者较小值设为当前粒子的局部极值。
选择所有粒子适应度中适应度最小的一个,作为全局极值。
按下式更新粒子速度;
vij(k+1)=wvij(k)+c1r1[Qij(k)-xij(k)]
+c2r2[Qgj(k)-xij(k)],
式中,c1=c2为加速常数,本发明中,c1=c2=2;v1,v2为两取值区间为[0 1]的随机数;vij∈[-vmax,vmax]为第i个粒子第j维空间的速度,vmax为允许移动的最大速度,本发明中vmax=1;xij∈[-xmax,xmax]为第i个粒子第j维空间的位置,xmax为允许的最大空间位置;Qij为第i个粒子第j维空间的局部极值,Qgj为第j为空间的全局极值。w为惯性权重系数,它使粒子保持运动惯性,本发明中w设置为随迭代次数增加而减小的函数:
w(t)=wmin+(wmax-wmin)(tmax-t)/tmax,
式中,t为当前迭代数,tmax为最大迭代次数,惯性权重系数最大值wmax=0.9,最小值wmin=0.4。
按下式更新粒子的位置:
xij(k+1)=xij(k)+vij(k+1),
式中,xij(k+1)为粒子迭代次数为k时第j维空间的位置;xij(k+1)为粒子迭代次数为k+1时第j维空间的位置;vij(k+1)为粒子迭代次数为k+1时第j维空间的速度。
如果算法满足误差精度或达到最大迭代次数,则退出PSO算法,否则返回继续迭代;
将PSO算法得到的各权值、阈值作为初值,继续使用BP算法进行二次优化。若训练结果优于PSO训练结果,则输出BP训练的网络,否则输出PSO训练的网络,其训练误差曲线如图3所示,神经网络的计算结果如图4所示。
步骤3、电缆导体暂态温度计算;将实时采集到的导体电流、电缆外皮温度输入到步骤2训练好的网络,即可计算出电缆的导体温度。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (3)
1.一种基于BP神经网络的三芯电缆导体暂态温度计算方法,其特征在于,包括以下步骤:
步骤1、训练样本选取;选取载流量数据,所述载流量数据包括:电缆导体电流、电缆外皮温度和电缆导体温度;
步骤2、网络训练;构建神经网络,采用粒子群算法先进行一次优化,后使用BP算法进行二次优化方法训练网络;
步骤3、电缆导体暂态温度计算;将实时采集到的电缆导体电流和电缆外皮温度输入到步骤2中训练好的网络,即可计算出电缆的导体温度。
2.根据权利要求1所述的基于BP神经网络的三芯电缆导体暂态温度计算方法,其特征在于,在步骤2中,所述采用粒子群算法先进行一次优化,后使用BP算法进行二次优化方法训练网络包括以下步骤:
步骤21、设定粒子群的粒子数m=40,初始化粒子群,即为每一组权值、阈值赋初值如下式:
Xi=(Wi1(:),b1i(:),Wi2(:),b2i(:),…,Wik(:),bki(:)),
式中,Wi1(:),Wi2(:),…,Wik(:)为权值,b1i,b2i,…,bki为阈值,其中下标i表示第i个粒子Xi,下标1,2…k表示神经网络的权值和阈值矩阵个数,其中,k=3;
步骤22、将网络的输出误差定义为粒子的适应度函数,计算各粒子的适应度:
式中,N为样本数,P为输出维数,O为网络输出,d为目标输出;
对每一个粒子,比较当前粒子的适应度与先前的最佳适应度,将二者较小值设为当前粒子的局部极值;
选择所有粒子适应度中适应度最小的一个作为全局极值,并按下式更新粒子速度:
vij(k+1)=wvij(k)+c1r1[Qij(k)-xij(k)]
+c2r2[Qgj(k)-xij(k)],
式中,c1=c2为加速常数,本发明中,c1=c2=2;v1,v2为两取值区间为[0 1]的随机数;vij∈[-vmax,vmax]为第i个粒子第j维空间的速度,vmax为允许移动的最大速度,本发明中vmax=1;xij∈[-xmax,xmax]为第i个粒子第j维空间的位置,xmax为允许的最大空间位置;Qij为第i个粒子第j维空间的局部极值,Qgj为第j为空间的全局极值,w为惯性权重系数,并设置为随迭代次数增加而减小的函数:
w(t)=wmin+(wmax-wmin)(tmax-t)/tmax,
式中,t为当前迭代数,tmax为最大迭代次数,惯性权重系数最大值wmax=0.9,最小值wmin=0.4;
按下式更新粒子的位置:
xij(k+1)=xij(k)+vij(k+1),
式中,xij(k+1)为粒子迭代次数为k时第j维空间的位置;xij(k+1)为粒子迭代次数为k+1时第j维空间的位置;vij(k+1)为粒子迭代次数为k+1时第j维空间的速度;
步骤23、判断算法是否满足误差精度或达到最大迭代次数,如果是,则退出PSO算法,否则,返回继续迭代;将PSO算法得到的权值和阈值作为初值,继续使用BP算法进行二次优化;若训练结果优于PSO训练结果,则输出BP训练的网络,否则,输出PSO训练的网络。
3.根据权利要求1所述的基于BP神经网络的三芯电缆导体暂态温度计算方法,其特征在于,在步骤2中,所述神经网络是一个2-8-8-1的四层BP神经网络,并由电缆导体电流和电缆外皮温度作为输入、电缆导体温度作为输出构建而成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410514032.3A CN104299034B (zh) | 2014-09-29 | 2014-09-29 | 基于bp神经网络的三芯电缆导体暂态温度计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410514032.3A CN104299034B (zh) | 2014-09-29 | 2014-09-29 | 基于bp神经网络的三芯电缆导体暂态温度计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104299034A true CN104299034A (zh) | 2015-01-21 |
CN104299034B CN104299034B (zh) | 2018-07-20 |
Family
ID=52318755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410514032.3A Expired - Fee Related CN104299034B (zh) | 2014-09-29 | 2014-09-29 | 基于bp神经网络的三芯电缆导体暂态温度计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104299034B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105842598A (zh) * | 2016-06-14 | 2016-08-10 | 国家电网公司 | 交联聚乙烯电缆寿命检测方法 |
CN106228033A (zh) * | 2016-09-22 | 2016-12-14 | 河海大学 | 基于rbf神经网络的三芯电缆导体温度实时计算方法 |
CN106779052A (zh) * | 2016-11-30 | 2017-05-31 | 国网江苏省电力公司南京供电公司 | 一种基于bp神经网络的配电电缆绝缘层实时温度计算方法 |
CN107133947A (zh) * | 2017-05-03 | 2017-09-05 | 广东电网有限责任公司珠海供电局 | 一种电缆瓷套终端红外图像特征提取和识别方法 |
CN107271823A (zh) * | 2017-07-21 | 2017-10-20 | 深圳市壹电电力技术有限公司 | 基于测温高压电缆的运行状态监测方法及系统 |
CN107368631A (zh) * | 2017-06-26 | 2017-11-21 | 广东电网有限责任公司珠海供电局 | 一种电缆系统稳态等值热路的热阻参数优化方法 |
CN108153940A (zh) * | 2017-12-07 | 2018-06-12 | 东北电力大学 | 基于叠加原理的oplc热路模型建模方法 |
CN109635390A (zh) * | 2018-11-29 | 2019-04-16 | 广东电网有限责任公司 | 一种中压电缆导体温度计算方法 |
CN109919356A (zh) * | 2019-01-27 | 2019-06-21 | 河北工程大学 | 一种基于bp神经网络区间需水预测方法 |
CN110245446A (zh) * | 2019-06-21 | 2019-09-17 | 华中科技大学 | 一种配电电缆剩余寿命预测方法 |
CN112668169A (zh) * | 2020-12-21 | 2021-04-16 | 广东电网有限责任公司电力科学研究院 | 基于深度学习的gis导体温度实时估算方法、装置及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102981104A (zh) * | 2012-11-19 | 2013-03-20 | 中国能源建设集团广东省电力设计研究院 | 海底电缆在线监测方法 |
CN103675616A (zh) * | 2013-11-15 | 2014-03-26 | 华南理工大学 | 电缆在线局部放电检测信号识别方法 |
CN103886374A (zh) * | 2014-04-22 | 2014-06-25 | 武汉大学 | 一种基于rbf神经网络的电缆接头导线温度预测方法 |
-
2014
- 2014-09-29 CN CN201410514032.3A patent/CN104299034B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102981104A (zh) * | 2012-11-19 | 2013-03-20 | 中国能源建设集团广东省电力设计研究院 | 海底电缆在线监测方法 |
CN103675616A (zh) * | 2013-11-15 | 2014-03-26 | 华南理工大学 | 电缆在线局部放电检测信号识别方法 |
CN103886374A (zh) * | 2014-04-22 | 2014-06-25 | 武汉大学 | 一种基于rbf神经网络的电缆接头导线温度预测方法 |
Non-Patent Citations (1)
Title |
---|
雷成华等: ""BP神经网络模型用于单芯电缆导体温度的动态计算"", 《高电压技术》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105842598A (zh) * | 2016-06-14 | 2016-08-10 | 国家电网公司 | 交联聚乙烯电缆寿命检测方法 |
CN106228033A (zh) * | 2016-09-22 | 2016-12-14 | 河海大学 | 基于rbf神经网络的三芯电缆导体温度实时计算方法 |
CN106228033B (zh) * | 2016-09-22 | 2019-01-25 | 河海大学 | 基于rbf神经网络的三芯电缆导体温度实时计算方法 |
CN106779052A (zh) * | 2016-11-30 | 2017-05-31 | 国网江苏省电力公司南京供电公司 | 一种基于bp神经网络的配电电缆绝缘层实时温度计算方法 |
CN107133947A (zh) * | 2017-05-03 | 2017-09-05 | 广东电网有限责任公司珠海供电局 | 一种电缆瓷套终端红外图像特征提取和识别方法 |
CN107368631A (zh) * | 2017-06-26 | 2017-11-21 | 广东电网有限责任公司珠海供电局 | 一种电缆系统稳态等值热路的热阻参数优化方法 |
CN107271823B (zh) * | 2017-07-21 | 2020-02-14 | 深圳市壹电电力技术有限公司 | 基于测温高压电缆的运行状态监测方法及系统 |
CN107271823A (zh) * | 2017-07-21 | 2017-10-20 | 深圳市壹电电力技术有限公司 | 基于测温高压电缆的运行状态监测方法及系统 |
CN108153940A (zh) * | 2017-12-07 | 2018-06-12 | 东北电力大学 | 基于叠加原理的oplc热路模型建模方法 |
CN108153940B (zh) * | 2017-12-07 | 2021-04-30 | 东北电力大学 | 基于叠加原理的oplc热路模型建模方法 |
CN109635390A (zh) * | 2018-11-29 | 2019-04-16 | 广东电网有限责任公司 | 一种中压电缆导体温度计算方法 |
CN109919356A (zh) * | 2019-01-27 | 2019-06-21 | 河北工程大学 | 一种基于bp神经网络区间需水预测方法 |
CN110245446A (zh) * | 2019-06-21 | 2019-09-17 | 华中科技大学 | 一种配电电缆剩余寿命预测方法 |
CN112668169A (zh) * | 2020-12-21 | 2021-04-16 | 广东电网有限责任公司电力科学研究院 | 基于深度学习的gis导体温度实时估算方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104299034B (zh) | 2018-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104299034A (zh) | 基于bp神经网络的三芯电缆导体暂态温度计算方法 | |
CN102663412B (zh) | 基于最小二乘支持向量机的电力设备载流故障趋势预测方法 | |
CN103973203B (zh) | 一种适用于安全稳定分析的大型光伏电站在线等值建模方法 | |
CN103823504B (zh) | 一种基于最小二乘支持向量机的最大功率跟踪控制方法 | |
CN102385654B (zh) | 一种基于vsc并网光伏、储能电站的机电暂态建模方法 | |
CN103001214B (zh) | 一种基于中性点偏移的配电网三相潮流计算方法 | |
CN103489038A (zh) | 基于lm-bp神经网络的光伏超短期功率预测方法 | |
CN106383315A (zh) | 一种新能源汽车电池荷电状态soc预测方法 | |
CN105004949B (zh) | 一种在线运行耐张线夹最大载流量的测试方法和测试装置 | |
CN105678439A (zh) | 基于bp神经网络的输电线路动态增容运行风险评估方法 | |
CN110212551B (zh) | 基于卷积神经网络的微网无功自动控制方法 | |
CN104598765A (zh) | 一种基于弹性自适应神经网络的建筑物能耗预测方法 | |
CN105574616A (zh) | 一种架空输电线路动态容量预测方法 | |
CN104897304A (zh) | 一种用于输电线路动态增容的线路温度辨识方法 | |
CN104242314A (zh) | 一种风电场汇集区域电网电压安全域值的确定方法 | |
CN103455716A (zh) | 一种基于超短期风电功率预测的电力系统电压稳定裕度计算方法 | |
CN108120521A (zh) | 变压器绕组热点温度预测方法及终端设备 | |
CN115587512A (zh) | 基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法 | |
CN103617572B (zh) | 一种电网输电线路容量充裕度的评价方法 | |
CN103235226A (zh) | Oppc动态增容在线监测装置及监测方法 | |
CN104934973B (zh) | 一种考虑温度的电力线路损耗计算方法 | |
CN106228033B (zh) | 基于rbf神经网络的三芯电缆导体温度实时计算方法 | |
CN103715687B (zh) | 一种主动配电网支路功率拥塞实时控制方法 | |
CN110297452A (zh) | 一种蓄电池组相邻型均衡系统及其预测控制方法 | |
CN105676015A (zh) | 一种输电线路载流量计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180720 Termination date: 20210929 |