来源：期刊VIP网 时间：
作者：鲍克勤;赵欣妍;刘擘;王仕博;郝海斌;
单位：上海电力大学自动化工程学院;中国瑞林工程技术有限公司;昆明理工大学冶金与能源工程学院;
摘要：针对电缆缆芯温度不易直接测量，且预测精确度不足的问题，本文提出了DC-CNN-PE-SSA-Informer混合预测模型，该模型利用扩展因果卷积网络(DC-CNN)增强对时间序列数据局部特征的捕捉能力，并将提取的特征传递至Informer模块以捕获长期依赖关系，通过引入相对位置编码(PE)加强Informer模型对时间序列中相对位置信息的捕捉能力，最后由麻雀搜索算法(SSA)进行参数优化。通过对电缆温度场进行有限元分析，求解出不同条件下的缆芯温度作为仿真实验的样本数据。仿真结果表明，DC-CNN-PE-SSA-Informer模型相比常见的预测模型在电缆缆芯温度预测方面具有更高的预测精度，为电力调度的运行方式提供了依据。
关键词：电力电缆;;温度预测;;扩展因果卷积网络(DC-CNN);;Informer;;麻雀搜索算法(SSA);;位置编码(PE)
基金资助：上海市自然基金面上项目（20ZR1421300）;; 上海市电站自动化技术重点实验室项目（13D0Z2273800）
