改进量子蝙蝠优化BiLSTM-KELM的电缆接头故障早期预警

摘要：

为提高对电缆中间接头故障的事先预知能力,文中提出一种基于改进量子蝙蝠算法优化BiLSTM-KELM模型的电缆中间接头故障早期预警方法.首先,采集电缆及接头的表层温度、环境温度、负荷电流的时间序列数据作为驱动,建立基于双向长短时记忆网络(BiLSTM)和核极限学习机(KELM)的接头中心温度预测模型;然后,构建非线性自适应旋转角量子旋转门以改进速度和位置的更新策略,并引入量子非转门实现较差个体的量子位置变异,用于预测模型参数的优化;最后,对正常工作接头进行温度预测和残差计算,使用概率分布拟合计算故障预警的残差阈值.实验结果表明,改进后的量子蝙蝠算法可以较好地逼近全局最优解,收敛效率高;优化后BiLSTM-KELM模型的预测精度得到有效提高,故障预警时间进一步提前,电缆接头故障的早期预警效果好.

关键词：量子蝙蝠算法、电缆接头、故障预警、双向长短时记忆网络、核极限学习机、温度预测、参数优化、残差计算

所属期刊栏目：46

分类号：TN919-34;TP391

资助基金：国家自然科学基金;国家自然科学基金;福建省自然科学基金项目;福州亿力电力工程有限公司配电工程分公司资助项目

在线出版日期：2023-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：93-99