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。     

一种基于长短期记忆网络的线路覆冰预测模型研究

输电线路覆冰灾害易引发危害电网安全运行的事故,对输电线路覆冰情况进行短期预测十分必要。提出了一种基于结合气象因素和导线覆冰量的时间序列模型预测法,建立一个由5个气象要素和一个导线覆冰量数据组成的数据集,采用长短期记忆网络算法训练预测模型,利用线路实际运行数据对模型进行优化和评估。实验结果表明,所提方法可准确、有效地实现线路覆冰发展情况的预测,预测误差仅4.2%。     

基于支持向量机的输电线路覆冰回归模型

为对输电线路覆冰进行有效地监测、预测及预警,提出了一种基于支持向量机(support vector machine,SVM)的输电线路覆冰回归模型,用于输电线路覆冰情况的短期预测。这一研究工作是在MATLAB环境下,应用LIBSVM软件包编程进行建模仿真的;针对实测微气象-覆冰数据多维、自由度大的特性,选定与覆冰相关性最大的气温、相对空气湿度数据以及覆冰参考量作为输入量,覆冰质量作为输出量;提出了基于支持向量机的超短期预测、短期迟滞预测和滚动预测3种预测模型,并通过实例数据仿真评估了模型的有效性。结果表明:超短期预测模型预测精度>90%,但时效仅15min、实用价值较低;短期迟滞预测模型和滚动预测模型在2h内预测精度均>80%,可适用于输电线路覆冰的短期实时预测;滚动预测模型理论上可预测更长期的覆冰情况,假设微气象参量恒定不变限制了其预测精度,若结合微气象预报将会有更好的预测效果。由于目前适用于建模仿真的完整覆冰数据较少,因此支持向量机用于建立输电线路覆冰回归模型的有效性和稳定性还有待进一步验证。     

基于RBF神经网络的输电线路覆冰短期预测研究

本文提出了一种基于RBF神经网络的输电线路覆冰短期预测方法。首先介绍了RBF神经网络的基本原理及算法;然后对覆冰监测终端实测数据进行了误差剔除、缺失数据补充以及数据归一化等预处理;在此基础上,通过比较不同输入因子下模型的准确度,确定最佳建模方案;进一步通过实例验证了这一覆冰预测模型的准确性。研究结果表明,基于RBF神经网络的输电线路覆冰短期预测模型,在选取了恰当的输入因子的情况下,可以较好的实现输电线路覆冰的短期预测。     

基于遗传算法与模糊逻辑融合的线路覆冰预测

针对输电线路覆冰预测问题,提出了一种基于遗传算法与模糊逻辑融合的线路覆冰预测模型建立方法,同时对遗传算法与模糊逻辑融合理论及实际应用进行了研究与探讨。首先统计贵州电网8条输电线路的历史覆冰现场监测数据,对现场数据通过学习算法产生模糊规则。其次组合产生的模糊规则和先前的专家经验模糊规则,建立组合模糊规则库。接着运用遗传算法对输入—输出论域模糊划分、组合模糊规则库及隶属函数等覆冰模糊系统参数进行优化。最后通过贵州电网2014年的覆冰现场监测数据,验证优化后的线路覆冰预测模型。预测结果表明:覆冰厚度在0~5 mm之间,预测平均相对误差为0.016 5%,5~10 mm之间预测平均相对误差为-0.165%,10~18mm之间预测平均相对误差为3.34%。     

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。     

采用模糊逻辑理论的覆冰厚度预测模型

针对输电线路覆冰对电网造成巨大损害,以及目前覆冰预测研究较少等问题,提出了基于模糊逻辑理论的覆冰厚度预测模型的建立方法.分析了贵州电网8条输电线路的覆冰现场监测数据,初步确定了25条有效模糊规则,并建立了基于模糊逻辑理论的覆冰厚度预测模型.预测模型的验证结果表明:模型预测的覆冰厚度值与现场实际覆冰厚度值的误差＜5 mm...     

基于短期覆冰预测的电网覆冰灾害风险评估方法

冰雪灾害会严重影响电力系统的安全稳定运行。为准确评估覆冰情况下电网所面临的风险,提出了基于短期覆冰预测的电网覆冰灾害风险评估方法。该方法根据覆冰预测系统预测得到未来数天内的输电线路覆冰厚度,根据时变结构可靠性理论建立了输电线路时变失效率模型,建立了考虑融冰装置的输电线路修复时间模型与融冰装置使用间隔时间的模型;针对传统序贯蒙特卡洛法难以反映覆冰线路时变失效率的问题,提出一种可考虑时变失效率的序贯蒙特卡洛模拟法,并将其用于覆冰灾害下的风险评估。以IEEE RTS-79系统为研究对象,验证了所提模型与方法的有效性;分析了覆冰预测间隔时间和融冰装置数量对电网风险的影响,并给出了相关建议。     

基于PCA-GA-LSSVM的输电线路覆冰负荷在线预测模型

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。     

基于聚类算法的电网覆冰灾害分级预警模型研究

对电网覆冰灾害进行了分级预警模型的研究,采用图像检测法测得输电线路覆冰厚度的实时数据,以此为约束条件,采用聚类算法计算出输电线路的综合覆冰厚度,针对不同的覆冰厚度,对覆冰灾害进行了等级划分,并发出相应等级的预警信号。通过对某220 k V架空输电线路覆冰厚度数据的实时监测,验证了该预警模型的有效性。电网覆冰灾害分级预警模型的建立,使覆冰灾害预警更为准确、有效,且节约线路维护检修成本,为高压输电线路状态评估、安全性评价等工作提供参考依据。     

精细化气象要素下输电线路覆冰预测预警研究

南方地区冬季输电线路自然覆冰是线路运维难题和灾害预防课题,迫切需要提升该地区线路覆冰预测预警能力。文章在分析国内外输电线路覆冰预测模型及工程应用问题基础上,总结出精细化气象要素下基于统计-经验知识确定覆冰等级方法进而建立覆冰等级区划,再结合线路穿越自然环境的地形地貌及气象影响因素构建相应的具有较强泛化能力的输电覆冰预测预警模型,从而建立有效的线路覆冰预测预警工作机制。2年应用实践验证,该线路覆冰预测预警模型及工作机制能准确地预测预警线路覆冰状态及大幅提升线路覆冰灾害的预防能力和技术水平,从而为南方地区冬季预防和应对输电线路覆冰灾害提供技术手段,保障该地区输电线路在自然覆冰极端环境下稳定运行。     

架空输电导线覆冰机理及相关预测模型现状与发展

中国是世界上电网覆冰灾害最严重的国家之一，明晰架空输电线路的覆冰机理并对覆冰情况进行准确预测对我国电网的冰灾防治有着重要的意义。基于现有的研究成果，本文详细阐述了架空输电线路覆冰机理和相关预测模型，并对这些机理和模型进行了分析与对比，总结现有研究的不足，同时指出了覆冰机理和预测模型今后的研究方向和发展趋势。     

基于星地融合的输电线路覆冰预警优化方法研究

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。     

输电线路导线覆冰AMPSO-BP神经网络预测模型

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。     

基于区块链技术的电网灾害预警决策系统

为了进行电网自然灾害风险预警,减少自然灾害对电网的影响,研究了基于区块链(block chain,BC)技术的电网灾害预警决策系统。首先,根据电网与自然灾害之间的耦合作用关系,挖掘电网智能设备采集数据及自然气象等信息资源,搭建了区块链支持的电网灾害预警决策系统的总体架构。然后,以电网冰灾为例,根据气象预报和微地形等信息,利用模型预测控制(model prediction control,MPC)算法修正了电网输电线路覆冰模型,建立了由线路覆冰过重、舞动以及绝缘子闪络引发的线路故障概率模型。最后,通过MPC算法求解输电线路覆冰预警模型,实现了线路故障预警。以某市西北部和中部几条220kV线路为例进行覆冰预测分析,验证了提出的基于区块链的电网灾害预警决策系统对覆冰厚度进行预测的可行性和有效性。     

基于数据驱动算法和LS-SVM的输电线路覆冰预测

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。     

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。     

考虑融冰因素的输电线路覆冰故障概率计算

根据导线覆冰表面热平衡方程分析内外部融冰因素对导线冰载荷的影响,计及地形对冰载荷的影响以及覆冰引起导线等效半径增大对风载荷的影响,通过气象实测的降雨量、风速、风向、温度等信息以及电网运行信息、当前监测覆冰厚度等信息建立输电线覆冰厚度增长预测模型。从输电线路覆冰过载机理出发,构建覆冰故障概率计算框架,从力学角度分析覆冰厚度及风速对输电线路的共同作用,采用反映金属承载极限特性的指数模型计算输电线路故障概率。以实际线路为例验证了该模型计算得到的线路覆冰故障概率变化趋势与实际故障情况相符,能够充分验证覆冰故障率与实际天气的相关性。     

基于改进的小波神经网络模型在覆冰预测中的应用研究

输电线路覆冰厚度数据对输电线路冰灾防治具有重要意义。线路覆冰达到一定厚度后,电线张力和杆塔荷载会达到危险水平,需要采取相应的措施。建立覆冰厚度预测模型,可以预测某一时间点的覆冰厚度值,为运行单位提供决策参考。利用线路的覆冰历史数据,选择小波神经网络建立覆冰厚度预测模型,并利用共轭梯度算法代替传统的训练算法,显著提高了建模速度。预测结果表明,这种模型具有较好的容错能力,并满足预测精度。     

基于安全裕度的输电线路覆冰预测方法研究

针对输电线路覆冰灾害事故预测方法的不足,提出基于安全裕度的策略对输电线路的覆冰情况进行预测。通过对覆冰线路模型各种运行工况下的结构失效率数值计算数据的回归分析,得到杆塔的失效评定曲线图,并对其进行预测分析。选取华中某500 kV输电线路中薄弱的杆塔作为研究对象。建立3塔2线输电线路的有限元模型,在覆冰荷载和风荷载不同组合下进行力学仿真计算,对结果数据的回归分析验证了该方法的正确性。本文方法可为准确预测线路覆冰事故、制定防覆冰改造方案提供依据。