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。     

城市综合管廊智能井盖监测系统与移动特征提取模型

为解决城市井盖丢失形成的“陷阱”问题,文中基于地磁场检测的原理,提出了一种多传感器数据融合的智能井盖监控系统及移动特征提取方法。首先构建了智能井盖监控系统,实现了智能井盖监测数据的分布式采集;其次基于模糊推理方法提出了智能井盖多传感器移动特征提取模型;最后,利用COMSOL软件对井盖移动引起的地磁场强度变化进行了仿真。结果表明,文中提出的方法可以实现对智能井盖的位置监测,且结果准确、易于使用