本文针对充电桩线缆老化异常诊断问题,提出一种基于BP神经网络的线缆健康状态评估模型。首先,计算电缆老化后主要数据的数学关系,提取老化评估特征值。其次,通过传输线理论推导出扩展频谱时域反射法[1](spread spectrum time domain ref...本文针对充电桩线缆老化异常诊断问题,提出一种基于BP神经网络的线缆健康状态评估模型。首先,计算电缆老化后主要数据的数学关系,提取老化评估特征值。其次,通过传输线理论推导出扩展频谱时域反射法[1](spread spectrum time domain reflectometry,SSTDR)的自相关值与电缆局部健康状况参数、衰减系数和诊断距离具有相关性。采集不同健康程度的电缆诊断、SSTDR自相关值数据,训练电缆老化诊断BP神经网络,得出评估模型。与常规诊断方法相比,该方法无须测量充电桩线缆电压、电流和温度等参数,仿真表明本文设计的算法诊断准确率高,适应性强,具有一定的工程利用价值。展开更多
文摘本文针对充电桩线缆老化异常诊断问题,提出一种基于BP神经网络的线缆健康状态评估模型。首先,计算电缆老化后主要数据的数学关系,提取老化评估特征值。其次,通过传输线理论推导出扩展频谱时域反射法[1](spread spectrum time domain reflectometry,SSTDR)的自相关值与电缆局部健康状况参数、衰减系数和诊断距离具有相关性。采集不同健康程度的电缆诊断、SSTDR自相关值数据,训练电缆老化诊断BP神经网络,得出评估模型。与常规诊断方法相比,该方法无须测量充电桩线缆电压、电流和温度等参数,仿真表明本文设计的算法诊断准确率高,适应性强,具有一定的工程利用价值。
