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。     

基于小波分析改进的神经网络模型电力系统负荷预测

建立了模糊决策模型分析所给历史负荷数据的关联度,以提取对预测有贡献的有用数据,除去"坏数据",即对原始数据进行预处理。建立了神经网络模型,并结合小波分析和神经网络的优势建立改进小波神经网络的结构模型,预测出待测日96个时间点的电力负荷值。通过准确度分析,验证了模型的合理性。进而将所建模型应用于某地区进行负荷预测,并且对该地区的负荷特点及规律性进行了讨论。     

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.     

基于神经网络的架空输电线路覆冰增长预测方法研究

架空输电线路的覆冰会对电网的安全运行造成严重的威胁。针对架空输电线路的覆冰问题,提出了一种基于BP神经网络的覆冰增长预测方法。该方法利用目前架空输电线路已有的监测信息以及覆冰历史信息,对导线在不同外部条件下的覆冰厚度增长进行预测。根据实际运行架空输电线路的监测数据进行仿真,结果表明该方法使用简单,适用于实际输电线路运维工作中。     

基于改进小波神经网络和灰色模型的装备性能参数预测

装备性能参数预测是装备系统故障预测与健康管理的重要组成部分,对于提高装备保障效能有重大意义。本文提出了一种基于灰色模型和改进小波神经网络的组合预测模型。在灰色预测的基础上,训练小波神经网络进行灰色预测的残差修正,并通过对小波神经网络的改进提高了网络学习效率。对某型雷达中频接受单元的压控振荡器输出频率进行预测,实验证明,该组合模型结合了灰色预测和改进小波神经网络的优点,有较高预测精度和泛化能力。将该组合模型应用于装备状态参数预测具有可行性。     

南方电网四省区覆冰特征分析及改进的覆冰模型

我国云南、贵州、广西、广东四省覆冰灾害频发,为提高南方电网系统应对低温凝冻灾害能力,本文分析总结了南方电网区域覆冰成因及覆冰分布特征。同时基于南方电网的覆冰特性,深入研究国内外覆冰模型成果及覆冰过程机理,通过引入雾凇覆冰机制,对Kathleen.F.Jones模型进行了改进,建立了能同时计算雨凇和雾凇的新模型,弥补原覆冰模型仅考虑雨凇的不足。经覆冰过程模拟检验及模型对比检验,改进的覆冰模型具有较高的实用价值,它能有效地利用气象要素对冰厚进行恢复重建,为输电线路抗冰设计提供重要的依据。     

基于改进粒子群法的输电线路覆冰预测研究

冰雪灾害对输电线路造成的负面影响极大,尤其是不利于架空输电线路安全运行。为更好地保障架空输电线路在极端天气下的安全性和稳定性,本文全面分析了架空输电线路覆冰后的状态;然后,基于经典粒子群算法和优化粒子群算法,对架空输电线路在极端天气状况下的覆冰厚度进行了预测和分析。经过研究发现,采用经典粒子群算法和优化粒子群算法,经过优化后的参数模型预测精确度明显提高,更适合实际工程应用。     

基于小波分解的改进神经网络MCP预测方法及应用

电力工业的市场化改革突出了市场清算价格(MCP)预测的重要性。文中以浙江电力市场为背景，提出了一种基于小波分解和神经网络的MCP预测方法。该方法对原电价数据进行了预处理，将经小波分解去除细节后的重构电价序列作为输入参数，并且依据“重近轻远”的原则及考虑到电价具有星期的周期性的特点，重新设计了神经网络拟合误差的代价函数。对浙江电力市场下一交易日的MCP进行了预测，预测精度达到90%左右。     

基于小波分解的改进神经网络MCP预测方法及应用

电力工业的市场化改革突出了市场清算价格(MCP)预测的重要性。文中以浙江电力市场为背景，提出了一种基于小波分解和神经网络的MCP预测方法。该方法对原电价数据进行了预处理，将经小波分解去除细节后的重构电价序列作为输入参数，并且依据“重近轻远”的原则及考虑到电价具有星期的周期性的特点，重新设计了神经网络拟合误差的代价函数。对浙江电力市场下一交易日的MCP进行了预测，预测精度达到90％左右。     

基于模糊识别和神经网络的电网覆冰长期预测方法

对湖南省电网覆冰的历史数据和众多长期气象因子进行统计分析,提取与湖南电网覆冰相关的影响因子,并通过模糊识别方法对这些影响因子进行筛选,得到湖南电网覆冰的长期预报因子,并建立BP神经网络的湖南电网覆冰长期预报模型,对2007-2010年湖南电网的覆冰天数进行预报.在影响因子的基础上建立了传统的逐步线性回归模型,比较结果表...     

导线雨淞覆冰预测简单模型的研究

坚现有主要的雨淞覆冰模型进行了分析研究,发现在预测是一气象条件下的覆冰模型进行了分析研究,发现在预测同一气象条件下的覆冰荷载时出现较大差别。在分析冻雨降水产生覆冰的物理过程后,提出了一个相对简单的覆冰预测模型,并将此模型的预测结果与其他复杂模型的预测结果进行了比较,发现简单模型的预测结果比较满意。     

改进的Hough变换在覆冰厚度测量中的应用

讨论了基于图像处理的输电线路导线覆冰厚度测量原理,针对现有利用图像处理技术检测输电线路覆冰厚度的不足,提出一种新的输电线路导线覆冰厚度测量方法。该方法对采集到的输电线路导线图像进行实时处理,采用中值滤波对覆冰图像进行处理,既较好地去除了噪声,又避免了边界的模糊;在边缘检测上采用Canny算法,能够尽可能多地标识出图像中的实际边缘;将分类器和等矩取点配对机制融合到Hough变换算法中,减少了Hough变换的存储量,提高了Hough变换的可靠性及算法的准确率;提取边缘轮廓测量输电导线的覆冰厚度。通过实验分析,该方法提高了边缘测量的准确度,具有一定的应用前景。     

基于PSO-RBF的输电线路覆冰预测研究

覆冰后的架空输电线路在风载荷的作用下,容易产生导线舞动现象,严重危害输电线路安全。提出一种基于PSO-RBF的神经网络模型对输电线路的覆冰情况进行预测,对微气象参数影响因子进行排序,选取合适的微气象因素作为模型的输入,降低建模输入的维度,并通过粒子群算法对RBF神经网络参数进行优化,与单一的RBF神经网络相比提高了预测精度,能及时了解导线覆冰的趋势并给出预警,有效防止严重覆冰事故的发生。     

基于覆冰周期分段建模预测的研究

输电线路覆冰现象在冬季比较普遍,已成为威胁架空输电线路安全运行的重要因素。物理模型和经验模型是建立输电线路覆冰模型的2种思路。一个完整的覆冰周期变化复杂,目前建立的经验模型均是针对整个覆冰周期,建模精度不高。根据大量覆冰数据聚集分析,将覆冰周期分为4段:覆冰快速增长期、覆冰不稳定增长期、覆冰稳定期和覆冰脱落期。提出了针对不同时期变化特征建立不同模型进行覆冰预测,对比了整体建模预测结果与分段建模预测结果,结果表明分段建模预测精度优于整体建模精度。     

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。     

改进模糊神经网络在负荷预测中的应用研究

电力系统短期负荷预测是电网调度中一项重要的工作,精确的负荷预测可以为调度员提供必要的基础数据,电网运行安排也都是以负荷预测的数据作为根据。利用人工神经网络可以任意逼近非线性系统的特性,将其用于短期负荷预测。研究了改进的误差反向传播算法——动量及自适应lrBP的梯度递减训练算法,预测结果表明比标准BP算法具有更好的性能。同时,针对大量无法用精确数值来量化的信息的影响,引入模糊理论的方法,定义了不同的隶属度函数,模糊化后输入到网络中进行训练和预测,结果表明其精度比输入量非模糊化的人工神经网络更高。     

小波神经网络预测电价的新改进

预测市场边际电价对于电力市场的参与者有十分重要的意义.该文首先分析了BP神经网络在电价预测方面的优劣势,然后基于小波分析,即用母小波取代Sigmoid函数建立了小波神经网络的电价预测模型,并用遗传算法优化神经网络的拓扑结构和各权重系数,从而避免BP神经网络的预测电价陷入局部极小值.实际计算表明,改进后的预测模型有效地提...     

基于覆冰模型和GIS的广西输电线路覆冰区划分研究

利用广西9O个气象台站40年的气候资料和台站地理信息数据,采用覆冰模型计算得到9O个台站的覆冰分布。采用GIS技术和数理统计回归分析以及气候资源的小网格推算方法,建立覆冰空间分析模型,推算出1 km×l km分辨率的覆冰空间分布;并根据覆冰分级指标,通过GIS的空间分析能力,分析广西输电线路覆冰的空间分布特征,为广西电网的安全运行提供决策参考。     

基于T-S模糊神经网络的覆冰厚度预测模型

针对极端气象条件,提出一种基于Takagi-Sugeno模糊神经网络的覆冰厚度预测模型.该模型首先基于时间序列对覆冰气象因子进行拟合,通过此模糊神经网络预测电力覆冰厚度.经算例分析比较,表明该模型具有较好的学习、映射、泛化能力.     

基于最优时间步长模型的输电导线雾凇覆冰预测

输电导线覆冰是影响电力系统安全稳定运行的主要自然灾害之一,研究大气环境参数对导线覆冰过程的影响并对其进行准确预测具有重要意义。考虑直接影响覆冰预测准确度和计算时间开销的计算时间步长ts,研究并提出覆冰预测最优时间步长模型,针对雾凇覆冰情形,在每步预测计算中重新确定时变环境参数,对重构网格贴体加密,采用有限体积法求解基于RNG方法的k-ε湍流模型得到气流流场,采用拉格朗日方法在气流流场基础上得到过冷却水滴运动轨迹,通过后处理获得导线雾凇覆冰质量与冰形。研究导线在不同风速、大气温度、液态水含量、水滴中值体积直径以及导线直径等因素下的雾凇覆冰质量与冰形,总结了各因素对导线雾凇覆冰的影响规律。为验证所建雾凇覆冰预测模型,在重庆大学雪峰山自然覆冰试验基地进行了自然雾凇覆冰试验。试验得到的覆冰质量及冰形均与文中预测结果吻合度较好,证明了该预测模型准确、有效。