基于LSTM的滚动预测算法的电缆缆芯温度的研究

来源：电子测量技术杂志2021年第21期北京时间：

作者：孙俊峰，李志斌

单位：上海电力大学自动化工程学院 上海 200090

摘要：在电力系统实际工作的过程中，电缆导体的温度过高往往会造成电力系统出现故障，但由于电缆的缆芯温度不易监测，因此提出一种基于LSTM(Long Short-Term Memory)的滚动预测方法对电缆的缆芯温度进行预测。根据采集到的缆芯温度数据集，利用该算法对模型进行训练，动态调节网络模型参数，学习数据变化的规律，从而实现缆芯温度的预测。结果表明该算法模型的RMSE为0.1979℃，与BP、LSTM算法模型进行对比，验证了该算法模型可以有效的预测短期缆芯温度变化趋势，表明该算法在电力系统安全运行方面具有一定的实际应用意义。

关键词：电力电缆; 缆芯温度; 滚动LSTM网络; 温度预测

基金资助：Power cable; Core temperature; Rolling LSTM network; Temperature prediction