CN110879928A - 一种gis外壳温度传感器优化布置方法及可读存储介质 - Google Patents
一种gis外壳温度传感器优化布置方法及可读存储介质 Download PDFInfo
- Publication number
- CN110879928A CN110879928A CN201911148215.7A CN201911148215A CN110879928A CN 110879928 A CN110879928 A CN 110879928A CN 201911148215 A CN201911148215 A CN 201911148215A CN 110879928 A CN110879928 A CN 110879928A
- Authority
- CN
- China
- Prior art keywords
- population
- individuals
- sensors
- gis shell
- sensor
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 230000002068 genetic effect Effects 0.000 claims abstract description 21
- 238000009395 breeding Methods 0.000 claims abstract description 14
- 230000001488 breeding effect Effects 0.000 claims abstract description 14
- 238000005457 optimization Methods 0.000 claims abstract description 6
- 238000005192 partition Methods 0.000 claims abstract description 6
- 230000035772 mutation Effects 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000009529 body temperature measurement Methods 0.000 description 5
- 239000004020 conductor Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000000835 fiber Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Measuring Temperature Or Quantity Of Heat (AREA)
Abstract
本发明公开了一种GIS外壳温度传感器优化布置方法及可读存储介质，所述方法包括如下步骤：对GIS外壳进行区域划分，并在每个划分区域布置至少多个传感器；选取不同分区中的多个传感器进行组合形成传感器种群；从传感器种群中选取优良个体，并将优良个体作为父代进行种群繁殖；根据遗传繁殖结果获得GIS外壳温度传感器优化后的布局方式。通过本发明能够得到GIS外壳温度传感器优化布置方法，在满足工程实际的精度要求前提下，减少了传感器的数量，从而节约了经济成本。
Description
技术领域
本发明涉及GIS设备技术领域，特别是一种GIS外壳温度传感器优化布置方法及可读存储介质。
背景技术
高压断路器是区域性电网中最重要的起保护、隔离作用的开关设备。对于高压断路器来讲，状态监测技术还不完善，是目前研究的热点之一。据国际大电网会议(CIGRE)13.06工作组对包括22个国家的102个电力部门所作的第一次国际调查结果表明，在1974-1977年间，1964年后投运的63kV及以上电压的各种断路器共77892台年，其大型事故中机械性故障占70.3％。可见，对于高压断路器实施动机械特性的监测，及时了解其运行状况，掌握其运行特性变化及变化趋势，对提高其运行可靠性极为重要。
目前用GIS设备内部导体温度检测的方法主要是非接触式测量，其原因在于接触式测量方法需要与被测物体直接接触，而GIS内部导体封闭在GIS气室内部，若采用接触式测量技术必然会带来测量装置与设备之间的高压绝缘、高温、电场、密封等的一系列问题，目前尚未见卓有成效的针对GIS内部导体接触式测温的研究工作报道。
围绕GIS导体非接触式测温问题，国内外学者提出红外测温技术和光纤光栅传感测温技术。红外测温法需要在GIS外壳开孔以安装红外温度传感器，且其测量准确度受导体金属表面发射率和SF6气体浓度等因素影响非常大。光纤光栅技术具有不受电磁干扰，绝缘性能好，体积小等优点。然而，光纤光栅温度传感器价格较为昂贵，在满足工程实际的精度要求下，尽量减少传感器的数量，优化传感器布局方式，从而节约经济成本，成为了需要解决的问题。
发明内容
有鉴于现有技术的上述缺陷，本发明的目的就是提供一种GIS外壳温度传感器优化布置方法及可读存储介质，得到GIS外壳温度传感器优化布置方案，减少传感器的数量，从而节约经济成本。
本发明的目的之一是通过这样的技术方案实现的，一种GIS外壳温度传感器优化布置方法，所述方法包括如下步骤：
对GIS外壳进行区域划分，并在每个划分区域布置至少多个传感器；
选取不同分区中的多个传感器进行组合形成传感器种群；
从传感器种群中选取优良个体，并将优良个体作为父代进行种群繁殖；
根据遗传繁殖结果获得GIS外壳温度传感器优化后的布局方式。
可选的，从传感器种群中选取优良个体之前，所述方法还包括：
以支持向量回归机建模得到的触头温度平均相对预测误差百分率的倒数构建适应度函数；
从传感器种群中选取优良个体，包括：
以个体的选择概率与适应度值成比例选取优良个体，满足：
其中，Psi表示个体的选择概率，N表示种群个体数，Ai表示个体i的适应度值。
可选的，将优良个体作为父代进行种群繁殖，包括：
设置交叉概率与变异概率，基于所述交叉概率与变异概率对传感器种群进行交叉和变异处理。
可选的，将优良个体作为父代进行种群繁殖，还包括：
设置适应度以及最大遗传代数；
基于传感器种群繁殖新的群体，并计算所产生的新群体中个体的适应度；
在所产生的新群体中的最优个体的适应度满足要求或者到达最大遗传代数完成繁殖。
可选的，根据遗传繁殖结果获得GIS外壳温度传感器优化后的布局方式，包括：
将完成繁殖所获得的群体中的最优个体进行参数解码以获得GIS外壳温度传感器优化后的布局方式。
本发明的目的之二是通过这样的技术方案实现的，一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现前述的方法的步骤。
由于采用了上述技术方案，本发明具有如下的优点：本发明方法选取不同分区中的多个传感器进行组合形成传感器种群；从传感器种群中选取优良个体，并将优良个体作为父代进行种群繁殖；根据遗传繁殖结果获得GIS外壳温度传感器优化后的布局方式。通过本发明能够得到GIS外壳温度传感器优化布置方法，在满足工程实际的精度要求前提下，减少了传感器的数量，从而节约了经济成本。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。
附图说明
本发明的附图说明如下：
图1为本发明第一实施例流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
实施例一
本发明第一实施例提出一种GIS外壳温度传感器优化布置方法，如图1所示，所述方法包括如下步骤：
对GIS外壳进行区域划分，并在每个划分区域布置至少多个传感器；
在具体实施过程中，例如，可以将GIS外壳区域划分为最上部、中上部、中部、中下部和最下部，共5个部分，在每个部分上不同的位置布置多个传感器。
选取不同分区中的多个传感器进行组合形成传感器种群；
具体的说，例如，可以在每一个区域选取一个传感器，例如前述5个部分，在每个部分中选取一个传感器作为一个个体，也即一个个体中至少包括每个区域的一个传感器，按照此方式，进一步选取多个个体组成传感器种群，例如初始种群大小设定为10，每个种群包含10个个体，且选取的过程随机。
从传感器种群中选取优良个体，并将优良个体作为父代进行种群繁殖；
根据遗传繁殖结果获得GIS外壳温度传感器优化后的布局方式。
具体的可以根据繁殖后的最后个体中所包含的对应的每个区域的传感器的位置来获得优化后的布局方式。
本发明方法选取不同分区中的多个传感器进行组合形成传感器种群；从传感器种群中选取优良个体，并将优良个体作为父代进行种群繁殖；根据遗传繁殖结果获得GIS外壳温度传感器优化后的布局方式。通过本发明能够得到GIS外壳温度传感器优化布置方法，在满足工程实际的精度要求前提下，减少了传感器的数量，从而节约了经济成本。
可选的，从传感器种群中选取优良个体之前，所述方法还包括：
以支持向量回归机建模得到的触头温度平均相对预测误差百分率的倒数构建适应度函数；
从传感器种群中选取优良个体，包括：
以个体的选择概率与适应度值成比例选取优良个体，满足：
其中，Psi表示个体的选择概率，N表示种群个体数，Ai表示个体i的适应度值。
具体的说，本实施例中，设置适应度函数，按支持向量回归机建模得到的触头温度平均相对预测误差百分率MRPE，用其倒数作为适应度值，满足：
选择群体中的优良个体，将其作为父代进行繁殖，并且以个体的选择概率与适应度值成比例进行选择，例如第i个个体的选择概率为：
根据上式求得概率大小，将10个个体复制至配对库，以便于后面配对繁殖。
可选的，将优良个体作为父代进行种群繁殖，包括：
设置交叉概率与变异概率，基于所述交叉概率与变异概率对传感器种群进行交叉和变异处理。
进一步，在一种可选的实施方式中设置交叉概率与变异概率，例如取交叉概率为0.6，变异概率为0.07，进行交叉和变异操作。交叉形式如下：
变异形式如下：
可选的，将优良个体作为父代进行种群繁殖，还包括：
设置适应度以及最大遗传代数；
基于传感器种群繁殖新的群体，并计算所产生的新群体中个体的适应度；
在所产生的新群体中的最优个体的适应度满足要求或者到达最大遗传代数完成繁殖。
具体的说，在前述实施例的基础上，本实施例中可以结合工程实际运行需要，设置适应度达到30即满足要求(此时平均预测误差率为3.3％，平均预测准确率为96.7％)，取最大遗传代数为50代，按照以上遗传操作产生新的群体，计算新群体的个体适应度，看其最优个体是否满足适应度要求，直到群体中最优个体的适应度满足要求或者达到最大遗传代数，终止遗传计算。
可选的，根据遗传繁殖结果获得GIS外壳温度传感器优化后的布局方式，包括：
将完成繁殖所获得的群体中的最优个体进行参数解码以获得GIS外壳温度传感器优化后的布局方式。
具体的说，在本实施例中，按照前述终止遗传计算之后搜索到的最优个体进行参数解码，从而得到GIS外壳温度传感器优化布局方式。
本发明实施例提出一种基于遗传算法的GIS外壳温度传感器优化布置方法，对某GIS外壳光纤光栅温度传感器进行优化布置，将原来的25个传感器缩减到了5个，对应的GIS隔离开关触头温度预测模型的平均相对预测误差为2.07％，虽然高于全部布置时的模型平均相对预测误差0.04％，但极大地减少了传感器的数量，节约了经济成本，同时仍能达到工程实际运用所需精度。
本发明的目的之二是通过这样的技术方案实现的，一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现前述的方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的保护范围之内。
Claims (6)
1.一种GIS外壳温度传感器优化布置方法，其特征在于，所述方法包括如下步骤：
对GIS外壳进行区域划分，并在每个划分区域布置至少多个传感器；
选取不同分区中的多个传感器进行组合形成传感器种群；
从传感器种群中选取优良个体，并将优良个体作为父代进行种群繁殖；
根据遗传繁殖结果获得GIS外壳温度传感器优化后的布局方式。
2.如权利要求1所述的方法，其特征在于，从传感器种群中选取优良个体之前，所述方法还包括：
以支持向量回归机建模得到的触头温度平均相对预测误差百分率的倒数构建适应度函数；
从传感器种群中选取优良个体，包括：
以个体的选择概率与适应度值成比例选取优良个体，满足：
其中，Psi表示个体的选择概率，N表示种群个体数，Ai表示个体i的适应度值。
3.如权利要求2所述的方法，其特征在于，将优良个体作为父代进行种群繁殖，包括：
设置交叉概率与变异概率，基于所述交叉概率与变异概率对传感器种群进行交叉和变异处理。
4.如权利要求3所述的方法，其特征在于，将优良个体作为父代进行种群繁殖，还包括：
设置适应度以及最大遗传代数；
基于传感器种群繁殖新的群体，并计算所产生的新群体中个体的适应度；
在所产生的新群体中的最优个体的适应度满足要求或者到达最大遗传代数完成繁殖。
5.如权利要求4所述的方法，其特征在于，根据遗传繁殖结果获得GIS外壳温度传感器优化后的布局方式，包括：
将完成繁殖所获得的群体中的最优个体进行参数解码以获得GIS外壳温度传感器优化后的布局方式。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911148215.7A CN110879928A (zh) | 2019-11-21 | 2019-11-21 | 一种gis外壳温度传感器优化布置方法及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911148215.7A CN110879928A (zh) | 2019-11-21 | 2019-11-21 | 一种gis外壳温度传感器优化布置方法及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110879928A true CN110879928A (zh) | 2020-03-13 |
Family
ID=69729246
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911148215.7A Pending CN110879928A (zh) | 2019-11-21 | 2019-11-21 | 一种gis外壳温度传感器优化布置方法及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110879928A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112507577A (zh) * | 2020-11-06 | 2021-03-16 | 广东电网有限责任公司佛山供电局 | 基于模式识别的gis断路器触头稳态温度计算方法和系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109341894A (zh) * | 2018-11-27 | 2019-02-15 | 国网重庆市电力公司电力科学研究院 | 一种gis隔离开关外壳光栅光纤温度传感器测温实验装置 |
-
2019
- 2019-11-21 CN CN201911148215.7A patent/CN110879928A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109341894A (zh) * | 2018-11-27 | 2019-02-15 | 国网重庆市电力公司电力科学研究院 | 一种gis隔离开关外壳光栅光纤温度传感器测温实验装置 |
Non-Patent Citations (2)
| Title |
|---|
| 林伟青等: "基于LS-SVM与遗传算法的数控机床热误差辨识温度传感器优化策略", 《光学精密工程》 * |
| 陈伟根等: "基于遗传优化支持向量机的变压器绕组热点温度预测模型", 《电工技术学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112507577A (zh) * | 2020-11-06 | 2021-03-16 | 广东电网有限责任公司佛山供电局 | 基于模式识别的gis断路器触头稳态温度计算方法和系统 |
| CN112507577B (zh) * | 2020-11-06 | 2022-02-11 | 广东电网有限责任公司佛山供电局 | 基于模式识别的gis断路器触头稳态温度计算方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105241497B (zh) | 一种变压器监测系统和故障诊断方法 | |
| CN111443259A (zh) | 基于局部异常因子检测的有源配电网故障诊断方法及系统 | |
| CN107271823B (zh) | 基于测温高压电缆的运行状态监测方法及系统 | |
| CN114417669A (zh) | 一种基于数字孪生的变电设备故障监测预警方法与装置 | |
| CN110907064A (zh) | 一种gis隔离开关触头温度预测方法、装置及可读存储介质 | |
| CN105182161A (zh) | 一种变压器监测系统和方法 | |
| CN113435073B (zh) | 一种gis母线外壳温度测点布置优化方法 | |
| CN115563897A (zh) | 一种基于数字孪生的变压器状态评价方法 | |
| CN114740303B (zh) | 一种无线无源高压开关柜的故障监测系统 | |
| CN110879928A (zh) | 一种gis外壳温度传感器优化布置方法及可读存储介质 | |
| CN113032933A (zh) | 一种电力电缆排管多目标优化敷设方法及系统 | |
| CN116070302A (zh) | 一种电缆绝缘状态的预测方法及装置 | |
| CN117313021B (zh) | 一种电力设备异常检测分析方法、系统、终端及介质 | |
| CN117454687A (zh) | 高海拔10kV线路带电作业工器具电磁场仿真方法及系统 | |
| CN110516309B (zh) | 同塔双回500kV输电线路附近屋顶工频电场预测控制方法 | |
| CN109932617B (zh) | 一种基于深度学习的自适应电网故障诊断方法 | |
| CN110988663A (zh) | 一种气体绝缘开关设备的故障定位方法、装置及设备 | |
| CN116127858A (zh) | 基于改进沙猫算法优化的gis设备温升预测方法及系统 | |
| CN115907526A (zh) | 一种电网电压暂降评估方法、系统、存储介质及计算设备 | |
| CN103544391A (zh) | 一种排管敷设电缆群最热电缆的判定方法 | |
| CN112417679A (zh) | 基于外壳温度场实现开关柜热故障仿真矫正的方法 | |
| CN105514981A (zh) | 一种基于建筑信息模型的光伏逆变器接入位置优化方法 | |
| CN117725805B (zh) | 一种优化的深度算子网络的磁场快速计算方法 | |
| CN117313409B (zh) | 一种电弧数学模型参数优化方法、系统、终端及介质 | |
| CN117595385B (zh) | 用于配电网可观性评估以及关键量测位置挖掘的方法、系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200313 |