共查询到20条相似文献,搜索用时 31 毫秒
1.
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。 相似文献
2.
针对目前输电线路覆冰负荷预测模型存在的预测精度不足、模型参数选择随意性强、预测效率低等问题,提出了一种基于现场监测数据的输电线路覆冰负荷在线预测模型。首先基于主成分分析法(PrincipalComponent Analysis, PCA)提取微气象数据中的有效信息,并采用遗传优化算法(Genetic Algorithm, GA)对惩罚系数等模型参数进行优化确定,建立离线最小二乘支持向量机(LeastSquaresSupportVectorMachines, LS-SVM)模型。然后基于KKT条件(Karush-Kuhn-Tucker conditions)和增量在线学习算法,实现了回归函数和预测模型的在线更新。最后通过云南电网相关输电线路覆冰灾害的实例进行仿真分析。实验结果表明所提模型可有效地对现场输电线路覆冰负荷进行在线预测,单步长及多步长的预测效果均优于传统的覆冰预测模型,应用该预测模型可更好地为输变电系统的除冰和维护决策服务。 相似文献
3.
《高电压技术》2017,(6)
为降低输电线路覆冰事故的影响,对输电线路覆冰厚度进行准确的短期预测将能够有效地指导电网抗冰工作。为此从输电线路覆冰是一种时间累积过程的角度出发,提出了一种基于时间序列分析与卡尔曼滤波算法混合的线路覆冰短期预测模型。模型利用导线覆冰量的时间数据序列所具有的自相关性和时序性,有效减少了现有覆冰预测模型由于测量到的各种微气象因素存在的误差累积到覆冰预测结果中的影响。最后,通过搭建的电力系统微气候模拟平台进行模拟覆冰试验来对预测模型进行了验证,其短期预测平均绝对误差为0.78%。同时,通过从贵州电网在线监测系统上提取实际覆冰数据,验证了预测模型的短期预测平均绝对误差为2.58%。这证实了该模型的有效性,能够为输电线路除冰工作提供参考。 相似文献
4.
分析了现有输电线路覆冰厚度预测方法中的不足,提出了一种基于粒子群算法优化支持向量机的输电线路覆冰预测。通过历史覆冰增长数据样本对支持向量机进行训练,利用训练的模型对线路覆冰厚度进行预测。同时利用粒子群优化算法对支持向量机关键参数进行优化,有效提高了覆冰厚度预测精度,为输电线路防冰提供了可靠依据。 相似文献
5.
输电线路的严重覆冰给电网的安全生产带来了极大的危害。针对线路覆冰与气象条件的数学描述模型不能很好地反应冰厚与微气象条件的关系和基于全局数据的智能覆冰预测算法复杂、准确度低,无法实现在线预测的难题,文中采用数据驱动的思想,以矢量的方式看待覆冰样本数据,提出一种基于数据驱动算法和最小二乘支持向量机(LS-SVM)覆冰预测模型。该方法在k均值邻近算法的基础上对覆冰历史数据进行优化选择,充分利用LS-SVM需求样本数量少、训练速度快、泛化能力强等特点对输电线路覆冰模型进行快速建模。算例表明了所提算法的有效性和正确性。 相似文献
6.
7.
8.
精确的输电线路覆冰厚度预测,可以对线路除冰工作进行科学指导,及时调整电力系统除冰计划。覆冰厚度容易受到温度、湿度和风速等气候因素影响而具有不确定性和非线性。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,使用变分模态分解(VMD)对覆冰厚度数据进行分解,得到具有不同中心频率的子分量;采用改进灰狼算法(IGWO)对最小二乘支持向量机(LS-SVM)中的参数惩罚因子c和核函数宽度δ进行寻优;对于各子分量分别建立最小二乘支持向量机(LS-SVM)预测模型,并集成为总预测值。通过仿真比较,验证了所提模型预测精度更高。 相似文献
9.
10.
微气象条件下输电线路导线覆冰预测模型 总被引:9,自引:0,他引:9
覆冰作为一种特殊的气象条件,给架空线路的安全运行造成严重影响。首先对山区微气象条件下输电线路导线覆冰规律进行深入研究,并得到在不同微气象条件下,各个气象参数对输电线路导线覆冰的影响系数不同这样一个结论。随后,根据不同的影响系数对各个微气点进行建模,基于此,提出了一种基于神经网络及模糊逻辑算法的输电线路导线覆冰组合预测模型。计算结果表明,上述基于微气象区域条件的输线电路导线覆冰预测模型与以往的全局模型和单纯的BP神经网络相比,有更高的预测精度,其在实际中的应用也取得了良好的效果。 相似文献
11.
输电线路覆冰严重危害电网安全运行,因此,有必要开展线路覆冰预测研究。随着人工智能技术的不断发展,其在电网覆冰监测中的优势逐渐凸显。现有的基于覆冰增长物理模型和统计回归模型覆冰预测方法,一定程度上实现了通过微气象等因素预测覆冰增长的效果,但大都针对短期覆冰周期,对数据采集频率有很高的要求,实际工程中实现较为困难。因此文章统计分析了重庆市送变电公司2015—2019年线路观冰数据,得到了西南地区高湿环境下输电线路覆冰特性及规律,并依据覆冰增长物理过程选取了工程可测量气象参数作为覆冰影响因素,提出了一种基于自适应变异粒子群算法(adaptive mutation particle swarm optimization algorithm,AMPSO)优化BP神经网络的人工智能覆冰厚度预测模型,优化了BP神经网络的权值阈值选取,优化后的模型在预测精度上要强于单一BP神经网络与已有研究中提出的小波神经网络,具有良好的工程适用性。 相似文献
12.
13.
现有基于机理的覆冰预测模型考虑因素众多,结构复杂,但仍存在预测误差。基于统计回归的覆冰预测模型则较少考虑时间累积效应,与实际情况亦有出入。因此提出了计及气象因素时间累积效应的输电线路覆冰预测模型。建立了气象因素下的覆冰厚度增长简易模型,分析了覆冰厚度随时间增长的关系。并进一步考虑不同气象因素对覆冰增长的影响,构建不同气象因素覆冰厚度增长程度指标。利用历史气象数据计算该指标并与覆冰厚度监测值组成训练集,采取SVM回归方法实现对覆冰情况的预测。通过算例对现有各方法与所提方法进行了对比,验证了该预测模型在精度等方面的优势。 相似文献
14.
输电线路覆冰预测对保障电网安全具有重要意义,随着气象条件日趋复杂,为了提升输电线路覆冰预测的准确性和及时性,依托现有的覆冰预测模型,提出了一种基于卫星气象和地面气象站点数据的星地融合气象要素反演方法。对覆冰预测模型中核心气象输入参数(如温度、降水、风速)预报精度进行优化提升,进而提高复杂气象条件下输电线路覆冰预警精度。以浙江某输电线路为实验区,实验结果表明文中方法对温度和降水的预报效果提升较为明显,提前72 h输电线路覆冰预报的准确度相对于24 h预报准确度没有明显的下降,对于24 h~72 h的覆冰预测预警有较好的指导意义。 相似文献
15.
16.
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。 相似文献
17.
18.
19.
冬季架空输电线路覆冰是导致输电线路发生冰雪灾害的直接原因,在线实时融冰是预防冰雪灾害的有效措施。对于冻雨致冰厚度的精准预测,是实施最优融冰方案的前提。设计了模拟导线监测系统和现场微气象系统,以模拟导线监测数据和微气象站技术,结合冻雨覆冰理论计算空气中前期液态水含量。基于灰色系统理论,应用GM(1,1)模型,预测空气中超短期液态水含量、风速、降雨量。在此基础上,根据所预测液态水含量、风速、降雨量计算覆冰增长速度。综合多种实际监测数据,建立覆冰数据仿真模型。 相似文献