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。     

微气象条件下输电线路导线覆冰预测模型

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。     

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。     

输电线路导线覆冰断股分析

介绍输电线路产生覆冰断股的原因,提出导线安全系数计算方法。     

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。     

重庆地区输电线路导线覆冰特性

随着全球气候的急剧变化,局部微气候活动日益频繁,极端气候的反复出现使得一些地区出现严重的覆冰雪现象。重庆市作为最大的直辖市,电网运行的安全性具有重要的意义,而重庆市山脉众多,冬季山脉中温度较低,境内河流密布,空气中水汽含量充足,山脉中常出现导线覆冰现象,容易对导线造成各种事故。2008年冰雪灾害的发生,严重影响了重庆市...     

基于模拟导线的输电线路覆冰探测系统*

设计了一种输电线路覆冰探测系统,该系统主要由模拟导线、光纤覆冰传感器、信号处理及采集系统组成。其中,模拟导线的直径与输电线路基本一致,安装在输电线路安全距离外,用于模拟输电线路上的覆冰情况;光纤覆冰传感器是反射及散射式光强调制型传感器,安装在模拟导线的不同位置,用于检测模拟导线上多点的覆冰情况。通过模拟导线上的覆冰情况可以预测输电线路的覆冰情况。试验表明,该探测系统具有量程大、灵敏度高、结构一体化、安装方便等优点,具有良好的应用前景。     

输电线路覆冰导线图像处理及边缘检测

提出一种基于图像处理技术并利用相机光学成像原理的线路覆冰厚度测量方法,利用相机小孔成像原理的测量模型,能够非常精准地测算出导线覆冰厚度。利用人工拍摄目标图像,用MATLAB仿真软件将目标图像经过图像灰度化、滤波除噪、图像增强等图像预处理后,对图像进行边缘检测,在目标覆冰导线直径方向选取一组像素坐标点,可得出像素坐标差vv’。     

输电线路覆冰导线气动特性仿真研究

线路覆冰舞动是输电线路因为导线不规则覆冰后在风的激励作用下发生的一种大幅度低频振动。线路覆冰舞动会给输电线路造成严重损害,甚至是引起大范围停电,造成严重的经济损失。本文从线路覆冰舞动的机理出发,通过CFD理论对线路覆冰厚度进行模拟仿真,并进一步研究了风速对导线空气动力特性的影响,仿真结果表明,风速对线路气动特性的影响不大,但线路的覆冰厚度很大程度上决定了导线发生舞动的概率。     

基于BP神经网络的输电线路工程造价预测模型

为解决在输电线路工程前期决策阶段的方案比选过程中,如何利用较少的工程信息,快速、准确地预测比较各方案工程造价,评估工程方案的合理性,本文提出一种基于BP神经网络的输电线路工程造价预测方法,分析并找出输电线路工程造价的影响因素,并将这些因素作为BP神经网络输入变量,输电线路工程造价作为输出变量,建立3层结构的BP神经网络预测模型,并用实际工程数据训练和验证预测模型。计算实例表明,该模型能够准确、快捷地预测输电线路工程造价,适合于工程方案比选过程中的各方案造价预测对比,评估工程方案的合理性。     

应用BP神经网络的超高压输电线路可听噪声预测

以甘肃省多条330 kV超高压输电线路可听噪声的实测数据样本为例,研究基于误差反传(back propagation,BP)神经网络的可听噪声预测的方法。将330 kV单回路三角型线路结构输电线路的可听噪声数据整理分析后建立数据样本,选择影响可听噪声的13个因素作为输入变量,可听噪声值作为输出变量,建立3层结构的BP神经网络预测模型,用数据样本训练和验证预测模型。结果表明,基于BP神经网络的可听噪声预测方法能够较精确地预测可听噪声数据样本中除了输入样本以外的其余样本,可作为超高压输电线路可听噪声预测的一种简单有效的方法。     

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。     

基于覆冰分析计算的输电线路路径优化

以神木—忻州I、II 回500 kV 输电线路为例, 根据覆冰形成机理和统计特性, 分析山区导线覆冰规律, 由当地实测资料确定覆冰参数。联系沿线气候与地形地貌特点划分冰区, 并论证分区的合理性和必要性。在此基础上对线路路径进行优化, 为线路防冰设计的安全性和经济性提供保证。     

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。     

2008年南方大冰灾后送电线路覆冰设计初探

我国大部分易覆冰地区缺乏覆冰观测资料,线路工程覆冰设计主要依据现场调查及短期观测资料,设计取值难度较大。2008年南方大冰灾中的实测资料为覆冰设计提供了直接依据,但若简单以本次冰灾的覆冰厚度折算成标准冰厚作为设计覆冰,而不考虑实际运行情况,往往会使设计覆冰取值偏于保守,造成资源浪费。本文以多乐变至曲靖Ⅱ回500kV送电线路为例进行了分析论证。