基于改进QPSO-SVM的输电线路覆冰厚度预测

冰雪灾害严重影响电网安全稳定运行,因此,对输电线路覆冰厚度进行预测可以有效地指导电网抗冰工作。利用灰色关联法分析温度、湿度、风速、降雨量和气压对线路覆冰厚度的影响,提出一种基于历史统计数据的输电线路覆冰厚度预测模型,采用改进量子粒子群算法(IQPSO)对支持向量机模型(SVM)参数惩罚因子c和核函数宽度δ进行寻优,结果表明:环境温度与覆冰厚度关联性最高,其次是降水量、风速、相对湿度,气压关联度最小,呈弱相关性;于同类型方法相比,IQPSO-SVM覆冰厚度预测模型预测精度较高,其平均绝对误差百分比为1.946%,均方根误差0.107 mm,验证了预测模型的有效性,具有一定的工程价值。

基于DEGWO-LSSVM的输电线路覆冰厚度预测模型

为了提高输电线路覆冰预测精度,采用差分进化算法对灰狼优化算法进行改进,形成差分灰狼算法,采用差分灰狼算法(Differential Evolution Grey Wolf Optimization,DEGWO)对最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)进行优化,建立基于DEGWO-LSSVM的输电线路覆冰厚度预测模型。采用两组实际运行线路的覆冰增长数据进行算例分析,并与其他覆冰预测方法对比,结果表明,DEGWO-LSSVM模型的误差波动更小,预测精度更高,验证了文章所提覆冰预测模型的正确性和实用性。

基于灰色支持向量机的输电线路覆冰厚度预测模型

为了降低输电线路覆冰事故对电网安全造成的严重影响,对输电线路覆冰厚度进行预测将能够有效地指导电网抗冰工作。提出了基于灰色支持向量机的输电线路覆冰厚度短期预测模型,分析了样本中脏数据的剔除及数据预处理方法,通过模型预测值与实测数据的对比验证了该模型的准确性和适用性,根据模型预测的线路最大覆冰厚度值对现场观冰、冰情预警以及开展交直流融冰提供策略指导。将该模型与传统的支持向量机和广义回归神经网络覆冰预测模型进行了对比,结果表明,该模型平均误差为0.325 mm,平均绝对百分误差仅为2.61%,适用于输电线路覆冰厚度短期预测。在易覆冰地区,应用该预测模型能够更好地指导输电线路抗冰工作。

基于GRNN的输电线路覆冰厚度预测方法研究

为了保障输电网的安全运行,输电线路覆冰厚度预测极为重要。本文还将人工神经网络原理引入输电线路覆冰厚度预测中,并针对BP网络收敛速度慢、已陷入局部极小的缺陷,提出了基于广义回归神经网络(GRNN)的预测模型。实例研究证明GRNN模型相比较BP模型,能更有效地预测输电线路覆冰厚度。

基于拉力和倾角的输电线路覆冰厚度预测模型

提出一种基于拉力和倾角的输电线路覆冰厚度预测模型,弥补了现有模型忽略风偏平面影响的不足。该模型虑及风吹所形成的风偏平面内综合荷载的影响,根据耐张段轴向导线张力、悬挂点倾角、悬垂绝缘子串张力和垂直偏斜角来计算导线的覆冰厚度。以湖南省雪峰山自然覆冰试验站2012年1月的数据验证该模型的合理性,模型计算值与在线监测系统采集数据、人工测试结果基本一致,说明该模型能反映覆冰的发生、发展过程和严重程度。

架空输电线路覆冰厚度预测技术研究

通过统计和分析历年输电线路覆冰案例，根据气象和地理规律，提出一种基于气象信息的输电线路覆冰厚度预测方法。利用气象模式预报资料、气象台站观测资料和地形地貌信息，对冷空气中心路径预报，并通过覆冰气象地理模型预报未来一段时间出现覆冰的区域和线路，给出输电线路覆冰厚度预报值。另外采用高精度的地理信息资料订正冰厚，实现输电线路覆冰厚度预报。系统在湖北电网部署以来，多次准确预报了覆冰发生区域和输电线路冰厚，为线路运维人员防灾应急处置争取了宝贵时间。经实际验证，本方法预测输电线路覆冰厚度准确度高、实用性强，具有推广价值，同时也为开发输电线路舞动、雷电等灾害预报系统积累了经验。

物理引导的SSA-BiGRU输电线路覆冰厚度预测模型

针对输电线路覆冰厚度预测精度不高的问题,在以微气象因素为特征进行覆冰预测的基础上,采用物理引导(PG)的神经网络,对输电导线进行受力分析。建立导线所受综合荷载计算模型,分析得出覆冰厚度、风偏角、综合荷载的变化规律。根据该变化规律构建模型损失函数,对模型的训练过程进行引导。使用双向门控循环(BiGRU)神经网络建立覆冰厚度预测模型,并采用麻雀搜索算法(SSA)对BiGRU超参数进行优化。采用某监测站覆冰数据进行实验。实验表明,该模型的平均绝对误差、均方根误差为0.052 2、0.069 4,物理非一致性为6.80%。相比LSSVM、BP、RNN、BiGRU、SSA-Bi GRU等模型,该模型准确度更高。

考虑灰色关联权重的PSO-LSSVM输电线路覆冰厚度预测模型

为了提高输电线路覆冰厚度预测精度,利用灰色关联分析确定覆冰影响因素对输电线路覆冰增长量的影响权重,采用PSO算法对LSSVM的参数优化,建立了考虑灰色关联权重的PSO-LSSVM输电线路覆冰厚度预测模型。采用实际运行线路的覆冰增长数据进行仿真分析,并与其他覆冰预测模型对比,考虑灰色关联权重的PSO-LSSVM输电线路等值覆冰厚度预测模型的均方根误差、平均相对误差和全局最大误差分别为0.575、3.124%和4.015%,均小于其他三种预测模型,验证了模型的正确性和实用性。

遗传算法与BP神经网络相结合的输电线路覆冰厚度预测方法

为了保障输电网的安全运行,输电线路覆冰厚度预测极为重要。将人工神经网络原理引入输电线路覆冰厚度预测中,并针对BP网络收敛速度慢、易陷入局部极小的缺陷,提出了基于GA和BP的预测模型。实例研究证明GA-BP模型相比较BP模型,能更有效地预测输电线路覆冰厚度。

神经网络输电线路覆冰厚度预测

介绍了输电线路覆冰厚度计算的相关经典模型,并以PNN网络与GRNN网络为例,探讨了输电线路覆冰厚度智能检测模型。通过对模型实现、对比,分析了两种网络的优缺点,在此基础上提出综合使用两种网络的思路,以提高输电线路覆冰厚度预测的精度,减少覆冰对电网的直接和潜在危害。

基于WPA优化LSSVM的输电线路覆冰厚度预测

针对现有输电线路覆冰厚度预测方法上存在的不足,采用狼群算法(wolf pack algorithm,WPA)对最小二乘支持向量机(least squares support vector machine,LSSVM)的惩罚因子和核函数参数进行优化,建立基于WPA优化LSSVM的输电线路覆冰厚度预测模型。采用某500 kV输电线路实际覆冰数据进行算例分析,结果表明,WPA-LSSVM覆冰厚度预测模型的均方根误差、平均相对误差和全局最大相对误差分别为0.634、2.61%和3.27%,优于其他覆冰厚度预测模型,验证了该模型的正确性和实用性。

考虑时间累积效应的GA-LSSVM输电线路覆冰厚度预测模型

输电线路覆冰现象对电网系统的安全稳定运行影响极大,为精准预测输电线路的覆冰厚度,提出考虑时间累积效应的GA-LSSVM输电线路覆冰厚度预测模型。采用改进的遗传算法优化LSSVM惩罚因子C和核函数参数σ2,建立覆冰厚度增长率预测模型,并在此模型的基础上考虑覆冰厚度的时间累积效应,得到覆冰厚度预测模型。采用实际运行线路的覆冰数据进行验证,所得预测结果的平均相对误差、均方根误差和可决系数分别为0.308 mm、0.323 mm和0.935,相比于其他模型,预测精度显著提高。

基于IPSO优化BP神经网络的输电线路覆冰厚度预测算法

传统输电线路覆冰厚度预测方法预测精度低,预测方法的优化算法容易陷入局部最优。针对上述问题,本文提出了一种基于IPSO优化BP神经网络的输电线路覆冰厚度预测算法。该算法综合考虑风速、温度、湿度等覆冰因素,在基于BP神经网络模型的基础上,引入改进后的粒子群算法对BP模型的权值和阈值进行自动寻优,构建了基于IPSO-BP神经网络的覆冰厚度预测模型。结果表明,基于IPSO优化后的BP模型预测值更贴近实际值,预测精度明显提升。

输电线路偶发性覆冰厚度预测及增强恢复力方法研究

针对输电线路发生偶发性覆冰时,线路覆冰预测精度低以及线路恢复力评估模型不准确等问题,首先根据灰色关联度比重,建立了基于分段粒子群优化(Partition particle swarm algorithm,PPSO)最小二乘支持向量机(Least squares support vector machine,LSSVM)的输电线路覆冰厚度预测模型,用于预测未来36h的覆冰厚度。将线路覆冰后恢复力模型划分为覆冰前期、覆冰中期、覆冰恢复自持期、覆冰恢复后期4个阶段,分别建立评估指标;基于覆冰后线路功率变化熵和预测的线路覆冰增长量,建立线路韧性增强方式。仿真结果表明,采用所提方案后,传输系统在发生偶发性线路覆冰时的韧性被提高了11.54%。

耐张塔输电线路等值覆冰厚度的简化预测方法

输电线路覆冰会引发断线倒塔事故,严重影响电网的安全运行,准确监测线路覆冰情况具有重要的工程意义和应用价值。在输电线路综合荷载的静力学模型基础上,提出了两种简化的等值覆冰厚度预测方法。第一种简化方法不需要水平档距和高度差参数,减少了输入参数;第二种简化方法不需要角度传感器,避免角度传感器误差造成的预测性能下降,且减小了系统的硬件成本。结果表明:在大水平档距情况下,第一种简化方法与现有方法的预测性能基本一致;在覆冰前后悬垂角变化不大的情况下,第二种简化方法的预测误差在工程允许范围以内。

基于FBG微气象传感数据的输电线覆冰厚度Stacking预测

输电线路在覆冰荷载的作用下,容易引发倒塔、断线等安全事故,为了对输电线路覆冰进行提前预警,需要对线路上的覆冰厚度进行预测。本文基于数据驱动的方式,融合性能各异的覆冰预测模型,构建由初级层与次级层组成的输电线路覆冰厚度预测的Stacking集成模型。根据覆冰在线监测系统采集的气象数据与等值覆冰厚度,提取关联特征参数,训练Stacking覆冰预测模型的初级层(随机森林、最小二乘支持向量机、XGBoost、LSTM模型);通过初级层输出值对次级层的学习器进行训练,预测最终的覆冰厚度。结果表明,Stacking覆冰预测模型的MSE降低为0.5897 mm, R^(2)值达到0.9894。Stacking覆冰预测模型能够预测输电线路上的覆冰厚度,达到输电线路覆冰的安全预警作用,可以有效指导电网的抗冰工作。

时间累积架空输电线路覆冰预测模型与算法综述

在覆冰条件的气象因素下,输电导线随时间累积形成的覆冰厚度、形状和分布变化,影响着电网系统的安全运行。按预测模型从覆冰生长到导线除冰各阶段存在的关联分析,讨论了各模型的优势差异以及相互存在组合的可能性。覆冰全周期存在着由微观到宏观的变化,影响着导线覆冰的生长进程。预测模型可按全周期组合,首先,对初始数据的降噪可解决数据发散,用主成分分析法的降维可提高预测精度。其次,模型中的支持向量机、混合的群智能优化算法、遗传算法组合等工具乃至交叉方式,都着力于覆冰过程的辨识与建模。再次,将热力融冰技术的负荷交流或涡流自热环应用在除冰阶段,使覆冰监测形成了动态闭环系统。最后,结合分析对输电线路覆冰预测的研究方向做了展望。

基于超声波的输电线路覆冰厚度监测预警和防除冰方法

为解决输电线路覆冰问题对电力系统运行安全的影响,文章基于输电线路可视化移动式覆冰监测装置,设计了一套基于超声波的输电线路覆冰厚度监测预警系统。利用实验室模拟华北地区的输电线路覆冰情况,开展了覆冰厚度监测预警试验,试验结果表明,该系统具有精准的检测预警效果。该系统不仅可以提高输电线路在极端天气条件下的安全稳定性,还可为输电线路的智能化管理和维护提供新的技术手段,对于保障电网的可靠运行,减少因覆冰引发的电力事故具有重要的现实意义和应用价值。

基于输电线路的受力分析计算覆冰厚度

通过架空输电线路及杆塔体系的受力分析建立了一种新的计算方法,利用架空输电线路的力学标准方程,将导线悬点处的倾斜角、风偏角和拉力测量值等参数作为初始参数代入方程,进行逐次逼近的迭代计算,最后换算出导线的等值覆冰厚度。这种计算方法利用了各种力学参数的综合作用,能准确估算出导线在覆冰情况下的厚度。经实例验证,误差较小,证实了该力学模型的可靠性和准确性。

基于优化SVRM的输电线路短时期覆冰厚度预测模型研究

针对目前输电线路覆冰预测误差大、效率低等问题,提出了一种基于优化SVRM的输电线路覆冰厚度预测模型.首先运用主成分分析法(PCA)提取出影响线路覆冰的主要特征,其次利用粒子群算法(PSO)对支持向量回归机(SVRM)中的主要参数进行迭代最优化,同时搭建输电线路覆冰预测模型.最后结合四川电力勘探设计院某观冰站自动监测系统采集的现场2 234组覆冰气象数据集,对所提出的预测模型进行训练与测试,验证预测模型的有效性与实用性.与未优化及同类型预测方法相比,其预测平均均方误差分别减少了约28%、21%、3%,预测准确度有一定的提高.