摘要：接触电阻是衡量导体间电接触性能的重要标准。根据这一属性，本文基于回归分析模型对电力系统中电力器件的接触电阻进行预测。建立了接触电阻与接触压力、接触处表面粗糙度之间的非线性关系。通过实验获得数据，将数据分为训练以及预测数据，首先利用训练数据来调整回归模型的参数，其次使用预测数据来检测模型的精度。所得模型的最大相对误差为9.16%。结果表明：利用回归分析模型对电力器件的接触电阻进行预测是可行的。且若能获得更多的实验样本，所建立的模型将更加精确可靠。
关键词：接触电阻；回归分析；训练数据；测试数据
0引言
在电力系统中，电力器件起到开关以及连接电路的作用，因此其稳定工作是电力系统安全运行的一个重要前提。当电流通过电力器件时，由于电接触的存在必然产生接触电阻。而接触电阻的大小也影响到电力器件的正常工作，因此对电力器件的接触电阻进行建模以及计算是十分必要的。
接触电阻指的是电流流过接触处时在接触处产生的电阻，其主要由集中电阻、膜层电阻、导体电阻组成，是反映导体间接触性能的重要参数。国内外的学者在接触电阻的计算和建模方面也做了许多的研究。Willamison建立了接触电阻的二次收缩[1]。Malucci建立了接触电阻的三次收缩数学模型[2]。Greenwood利用圆点代替金属表面接触点，得到了收缩电阻的模型[3]。Robert L Jackson等建立了多种标度粗糙度的接触电阻模型[4]。而以上模型在建模时往往需要对研究对象进行一定的简化并作出假设，这些都使理论法与数值法所得的模型的精度难以满足工程要求。近年来受到广泛关注的智能预测方法为提高接触电阻预测模型精度提供了一种可能的解决途径。雷成华等基于BP神经网络对单芯电缆导体的温度进行了动态计算[5]。王刚等基于模糊系统利用最小二乘法、禁忌搜索算法、梯度下降算法等对接触电阻进行了预测，均取得了不错的效果[6]-[8]。
回归分析是指对一些具有高度相关性的规律或现象，再根据其相关的形式，建立一个适当的数学模型（函数表达式），反映各个数据之间关系的数学方法。其过程是基于实测的数据来通过数学方法求解模型的各个参数，建立回归模型以确定变量之间的相关关系，然后检验回归模型是否能够很好地拟合数据，如果能回归模型的拟合效果很好，则可以根据自变量对未知的因变量作进一步预测。
1回归分析原理
所谓回归模型就是指，在拥有较多实验数据的基础上，采用统计分析的方法建立各个变量之间的函数表达式。利用这种方法建立的数学模型实际上是不确定的相关现象与不规则的数量关系的一般化。回归分析的过程是基于实验得到的数据来通过数学方法求解模型的各个参数，利用回归模型以确定变量之间的相关关系，然后检验回归模型是否能够很好地拟合数据，如果回归模型的拟合效果很好，则可以根据自变量对未知的因变量作进一步预测。
2实验设计
本文是对电力器件中的接触电阻进行预测，而由于接触电阻存在于电接触处并且阻值较小。因此本文将电力器件的模型进行简化，利用两个长方体铝板之间的接触来还原电力器件之间的接触。因为研究的是接触电阻与接触压力、接触处表面粗糙度的情况，因此在实验过程中改变施加在铝板上的压力以及改变铝板之间的粗糙度，利用回路电阻仪对接触电阻进行测量。
模型的输入参数有力矩以及接触处表面粗糙度，力矩
从50N•m到180N•m，每间隔10N•m取一个值进行测量；接触处表面粗糙度
分别为 25.0、12.5、6.3μm。
为了保证实验所得数据更加全面和准确，采用全因子法设计实验，根据输入参数的选取以及划分，实验共得42组样本数据，实验重复进行3次，共得126组数据，取3次实验的均值作为最终结果，从中选取36组最能代表样本空间特征的数据为训练数据，其余6组作为测试数据。
将上述的36组训练数据带入到回归模型中进行训练以此来调整模型的参数，将剩余的6组数据用作测试来检测模型的精度。
3仿真计算
本次仿真试验在matlab2015b的环境下进行，为避免输入输出数据数量级差别较大而造成网络训练预测误差较大，因此对数据进行归一化处理，把数据限定在区间[0，1]。数据进行归一化的处理公式为
（1）
其中
为归一化后的数值，
为归一化前的原始数据，
和
分别为该属性原始数据的最小值和最大值。
4总结
回归分析模型相对误差最大值为9.16%，平均值为3.67%此结果说明了本文中所采用的回归分析模型能对数据起到较好的拟合作用，且具有很好的预测效果，对接触电阻的预测具有一定的指导意义和应用价值。
参考文献
[1]Willamison J B P. The microworld of the contact spot[C].The 27th Holm Conference on ElectricalContact,1981.
[2]Malucci Robert D. Multispot model of contacts based on surface features[C]. Proceedings of the 36th IEEE Holm Conference, 1990: 625-634.
[3]Greenwood J A. Constriction resistance and the real area of contact[J]. British Journal of Applied Physics, 2002, 17(12):1621-1632.
[4]Jackson R L, Malucci R D, Angadi S, et al. A Simplified Model of Multiscale Electrical Contact Resistance and Comparison to Existing Closed Form Models[C]// Electrical Contacts, 2009 Proceedings of the, IEEE Holm Conference on. IEEE, 2009:28-35.
[5]雷成华,刘刚,李钦豪.BP神经网络模型用于单芯电缆导体温度的动态计算[J].高电压技术,2011,37(1):184-189.
[6]王刚,王之军,赵丽丽,等.最小二乘优化模糊系统的接触电阻计算方法[J].哈尔滨理工大学学报,2018(2).
[7]王刚,姚永琪,张博,等.基于模糊系统的接触电阻预测算法研究[J].河南理工大学学报(自然科学版),2018(2).
[8]王刚,谭盛武,何子博,等.梯度下降优化模糊系统的接触电阻预测方法[J].华侨大学学报(自然版),2017,38(1):86-90.
论文作者:邹成,唐杰
论文发表刊物:《电力设备》2018年第15期
论文发表时间:2018/8/21
标签：电阻论文; 模型论文; 数据论文; 器件论文; 电力论文; 参数论文; 导体论文; 《电力设备》2018年第15期论文;