摘要
本发明公开了一种预测电缆温度场分布的粒子群算法优化方法及系统,涉及电力系统预测技术领域,包括:搭建直埋电缆仿真模型,将温度场分布数据作为数据集输入到神经网络中;利用粒子群算法对神经网络的权值和阈值参数进行优化;用最小二乘法优化预测温度场与实际测量值之间的误差。本发明通过构建仿真模型,全面考虑电缆载流量、环境温度、土壤热特性等多因素影响,生成高精度的温度场数据。将粒子群算法与神经网络相结合,以适配直埋电缆温度场这种具有高维度、强耦合特性的预测问题,并结合最小二乘法进行最终拟合,准确捕捉直埋电缆温度场分布特征。
技术关键词
粒子群算法优化
节点数
仿真模型
电缆载流量
梯度下降法
误差校正
误差函数
数据
计算误差
分布特征
模块
处理器
样本
热对流
计算机设备
参数
系统为您推荐了相关专利信息
动态预测方法
电池组
电池单体
BP神经网络算法
动态实时监测
时空预测方法
数据驱动模型
时空融合特征
物理
推理规则