基于时间序列分析与卡尔曼滤波的输电线路覆冰短期预测

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。     

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。     

基于粒子群算法优化支持向量机的输电线路覆冰预测

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。     

基于VMD-IGWO-LSSVM的覆冰预测模型研究

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。     

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。     

基于支持向量机和模糊控制的输电线路覆冰状态评估模型

输电线路覆冰严重威胁着电力系统的安全运行。为提高输电线路覆冰状态评估准确率,以输电线路覆冰监测系统为基础,综合考虑监测系统的等效覆冰厚度、微气象参数以及覆冰持续时间等,提出基于支持向量机和模糊控制的输电线路覆冰状态评估模型。支持向量机实现覆冰状态的初步分类,输出无覆冰状态和有覆冰状态,针对有覆冰的状态进一步通过模糊控制评估模型对覆冰的严重程度作出准确评估,输出线路覆冰综合评估结果。实验数据验证了评估模型的准确性和可行性。     

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。     

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 k...     

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。     

基于偏互信息法与支持向量机的覆冰闪络故障预警

输电线路覆冰闪络跳闸故障是引起电网故障的重要原因之一。现有的覆冰闪络研究主要集中在绝缘子覆冰闪络电压的模型研究。一方面,闪络电压模型不能全面反映所有因素综合作用下的绝缘子闪络电压;另一方面,数据采集的误差使现有覆冰闪络电压模型的研究成果难以在覆冰闪络故障预警中直接应用。考虑到数据挖掘技术的发展,基于偏互信息法和支持向量机对覆冰闪络故障进行预警。首先,采用偏互信息法筛选出关键的因素作为输入变量。然后,建立覆冰闪络预警的支持向量机模型,对样本数据进行训练和预测。仿真结果表明,基于偏互信息法与支持向量机的覆冰闪络故障预警方法能够较为有效地预测覆冰闪络,为实际电网的覆冰闪络防御提供了参考。     

基于激光点云的高压输电线覆冰厚度反演

高压输电线覆冰是电网安全运行管理维护部门关注的重点致灾因子之一,其中覆冰厚度是输电线路风险评估、除冰策略等研究的关键指标。针对现有覆冰厚度提取精度不高、效率低等不足,提出了一种基于激光点云的高压输电线覆冰厚度反演方法,即模型-应力-冰厚法。首先从两期激光点云中精细提取输电线三维空间模型,结合导线参数提取空载输电线水平应力。然后根据状态方程,计算覆冰输电线水平应力。最后综合覆冰输电线三维空间模型和水平应力,计算其综合比载,最终实现覆冰平均厚度快速反演。实验结果表明:该方法能快速实现输电线覆冰厚度反演,覆冰厚度反演误差最大值为0.30 mm,相对误差为6.58%。该研究对高压输电线路覆冰风险监测与评估具有重要的应用价值。     

输电线路绝缘子覆冰厚度图像识别算法

针对当前绝缘子覆冰监测方法研究现状,提出对于复杂环境下的绝缘子覆冰识别。首先利用模板匹配在图像中实现绝缘子的定位检测,然后对图像进行预处理、图像分割、边缘提取等处理,提取出覆冰前后绝缘子边缘,根据区域像素初步判断有无覆冰,若有覆冰进一步再计算其覆冰厚度。最后利用提出的算法对模拟覆冰实验室和现场采集的输电线路图像进行分析,将算法计算结果与模拟覆冰实验室人工测量的绝缘子覆冰厚度值进行比较,误差小于1.5 mm。结果表明,算法能够识别绝缘子覆冰并计算其覆冰厚度,可以真实地反映现场绝缘子覆冰情况。     

基于温度滞后相位的输电线路覆冰监测方法

为了获得在更加符合实际情况的环境温度下的光纤复合相线温度变化特征和覆冰与否的判据及覆冰厚度预测方法,本文建立了环境温度呈正弦函数变化情况下的光纤复合相线覆冰的温度场三维模型,并采用了有限元方法进行求解。文中分析了导线覆冰段与未覆冰段温度变化的幅值和滞后相位特征;研究了滞后相位与环境温度波动幅值、滞后相位与覆冰厚度的关系,指出环境温度波动幅值对滞后相位的影响可以忽略,获得了滞后相位与覆冰厚度的关系;提出了基于滞后相位特征的线路覆冰判据,并给出了基于滞后相位的覆冰厚度预测公式。最后建模分析获得了4种非正弦函数形式的环境温度变化下光纤温度的变化情况,基于此分析了覆冰厚度的预测公式误差,结果验证所提出基于滞后相位的覆冰判据和覆冰厚度预测公式的有效性。关键词：输电线路;覆冰厚度预测;光纤传感;温度场;正弦时变温度;滞后相位中图分类号：TM755     

基于覆冰拉力监测系统的耐张塔线路等值冰厚计算模型

输电线路覆冰严重影响电网的安全稳定运行,准确监测线路覆冰情况具有重要的工程意义和应用价值.为了精准判断线路覆冰厚度,提出一种基于覆冰拉力监测系统的复合荷载作用下耐张塔线路等值冰厚计算模型,以在线监测终端监测拉力和角度为输入参量,计及耐张绝缘子串非均布荷载和风荷载影响,并修正重力方向荷载对计算模型加以改进.与雪峰山自然观冰站试验数据和南方电网重覆冰区段监测终端运行数据对比,验证了该计算模型的准确性.结合工程实际应用,验证了其对判断耐张塔线路覆冰情况具有一定的指导作用.     

输电线路导线覆冰图像处理与识别技术

导线覆冰厚度识别是输电线路覆冰在线监测的关键技术之一,准确可靠的输电线路导线覆冰状态监测系统能够有效地指导输电线路导线除冰工作.根据远程图像直观和图像数据可靠的特点,基于数字视频图像处理技术的输电线路覆冰厚度识别和计算方法,将图像通过灰度化、二值化、形态学预处理及Radon变换直线检测等步骤识别导线轮廓,通过导线覆冰前后图像像素点比较计算导线覆冰厚度,并将结果与其他计算模型得到的覆冰厚度进行了比较和验证.最后提出了优化、完善导线覆冰识别的改进方向.     

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...