输电线路导线基于灰色1-IAGO Verhulst-双重BP神经网络覆冰厚度监测

高效正确的输电线路导线覆冰厚度监测对电网的安全稳定运行有着重要影响,为了能更好地监测输电线路导线的覆冰厚度并能及时进行除冰工作,提出一种基于灰色1-IAGO Verhulst-双重BP神经网络模型对输电线路导线进行覆冰监测的方法。实践证明,这种方法对数量众多、所处地点环境特性各异的多处输电线路导线进行的覆冰监测高效正确、精度较高。

变权1-AGO GM(1,1,λ)模型及其应用

基于新数据优先原则和具有累加生成算子功能，提出了自定义变权函数并构建变权一次累加生成算子（1-AGO）GM（1，1，λ）模型。它既解决原始序列新数据优先的加权问题，又具有一次累加生成算子功能。它与分数阶GM（1，1）模型相比，直接自定义变权函数，不需要进行数学证明。文章讨论了变权一次累加生成算子的性质，定义了变权一次累加GM（1，1，λ）模型的原始形式和推导出变权一次逆累加生成算子（1-IAG0）公式。通过技术创新实例，合理选择A值可使得GM（1，1，λ）模型比传统模型具有更高的精确度。

近似非齐次指数递增序列的IANGM(1,1,k)模型构造

针对具有近似非齐次指数规律的递增序列,文章提出利用原始序列与其对应的一次累减生成序列来构建更符合近似非齐次指数规律的新模型IANGM(1,1,k),模型中白化方程的解恰能表示为关于原始序列的时间响应式,使得模型不再需要累减还原过程就能直接进行模拟和预测,简化了建模过程,并从理论上证明了IANGM(1,1,k)模型中的累减生成序列是非负的近似非齐次指数序列,最后通过实例验证了新模型具有较高的模拟预测精度及实用性。