改进量子蝙蝠优化BiLSTM-KELM的电缆接头故障早期预警

作者：严丹昭; 陈晶; 方遒; 张瑞清; 兰旺耀; 廖一鹏^*

来源：现代电子技术, 2023, 46(14): 93-99.

DOI：10.16652/j.issn.1004-373x.2023.14.017

• 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

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。

• 出版日期2023
• 单位国网福建省电力有限公司福州供电公司