一种动态参数优化的绝缘子等值盐密预测模型

绝缘子污秽是电力输电线路污闪事故发生的主要原因,评估和预测污秽积累情况对指导清污工作和预防污闪事故具有重要的意义.针对绝缘子经典等值盐密预测模型参数固定和误差较大的问题,提出一种基于四阶Runge-Kutta和模拟退火算法的动态参数优化预测模型.首先,采用切线方程对经典预测模型进行参数动态化处理,得到以一阶欧拉方程表示的离散化的经典预测模型,然后,引入四阶Runge-Kutta算法对上述欧拉方程进行高阶求导迭代以抑制欧拉模型的离散误差,最后,借助模拟退火算法对模型参数进行最优估计,从而实现高精度的等值盐密预测模型.实验结果表明,改进模型的预测值与实测值的相关系数高于0.97,绝对误差在一般情况下较经典模型降低50%,预测值均方根误差较经典模型减小30%以上.这说明改进模型不仅很好地反映绝缘子等值盐密的动态变化规律,而且能够对等值盐密进行更精准、更稳定的预测.

基于气象特征挖掘与AdaBoost-MEA-ELM模型的绝缘子盐密预测

为及时掌握输电线路绝缘子污秽情况,提出了一种基于气象的绝缘子盐密预测方法。挖掘了与积污相关性更强的气象特征,通过随机森林评估了气象特征的重要程度,结合序列前向搜索确立了最佳气象特征子集。基于台州市自然积污测试数据,使用极限学习机(extreme learning machine,ELM)建立盐密预测基础模型,并使用思维进化算法(mind evolution algorithm,MEA)对其初始权值与阈值进行优化,通过自适应提升(adaptive boosting,AdaBoost)算法集成进一步提高模型精度。结果表明:AdaBoost-MEA-ELM模型盐密预测平均绝对误差为0.0032mg/cm2,相比原始ELM模型误差降低58.97%,优化效果显著;与其他模型对比验证了AdaBoost-MEA-ELM模型的性能以及3种算法结合的合理性;通过k折交叉验证获得了训练数据改变时模型误差的变化情况,进一步验证了模型的泛化性与稳定性。

基于相空间重构的绝缘子污秽度预测模型

基于相空间重构的方法,在研究等值盐密测量数据自身特性及数据内部蕴含的非线性动力学特性的基础上,建立了多变量等值盐密非线性时间序列全局预测模型,并通过建立支持向量机预测模型对多变量等值盐密非线性时间序列全局预测模型进行求解,即进行等值盐密非线性时间序列的非线性回归求解。