冰风暴灾害下输电线路故障概率预测

针对冰风暴灾害下输电线路运行故障问题,提出了基于极端学习机和Copula函数的断线倒塔概率预测模型。该模型运用广义极值分布刻画冰风暴灾害下冻雨量、风速、输电线和铁塔冰、风荷载的随机特性,并通过ELM网络预测出实时变化的GEV分布的形状参数、尺度参数和位置参数。随后考虑冰、风荷载之间的概率相关性,借助Clayton-Copula建立冰、风荷载的联合概率分布,从而实现输电线和铁塔的实时故障概率预测。结合湖南郴州电网的历史数据展开算例分析,验证了该预测方法的有效性和准确性。     

考虑风速风向联合分布的大风灾害下电力断线倒塔概率预测

针对实际线路风速与风向数据很难获取、现有大风灾害下断线倒塔概率预测误差偏高的不足,提出了考虑风速风向相关性的电力断线倒塔概率预测模型。该模型采用风速概率密度函数和风向频度的乘积表示联合概率密度函数,计算输电线路高度各风向的有效最优概率分布类型及参数。利用输电线路风荷载模型和铁塔风荷载模型计算得到各个方向下线路和铁塔能承受的最大风速。对数值天气预报数据进行处理,采用高度修正和插值映射后的预报风速数据作为输入参数,实现线路气象数据不足时风灾下电力断线倒塔的概率高精度预测。     

冰风暴灾害下电力断线倒塔的概率计算

提出了基于广义帕累托分布(GPD)和Copula函数的冰风暴灾害下电力断线倒塔的概率计算方法.该方法基于冰风暴灾害下风速和冻雨量的GPD,提出了电力线和铁塔的冰荷载和风荷载的概率计算模型;然后考虑冰荷载与风荷载之间存在的概率相关性,基于Copula函数,提出了电力线和铁塔冰荷载、风荷载的联合概率分布计算模型;在此基础上...     

新疆极端环境下架空输电线路时变停运模型分析

针对极端环境对架空输电线路的影响,根据风速的实时变化、输电线路的风荷载设计水平及虑及线路的疲劳折损,建立了极端环境下的线路时变停运模型,综合分析输电线路的可靠性水平。以新疆吐哈地区架空输电线路为算例,结合新疆地区环境特点,综合分析极端环境下架空输电线路的实际可靠性水平,结果表明:新疆极端环境下的输电线路风荷载按照国家相关规范设计不适用于新疆地区。指出我国高压输电线风荷载的设计规范中存在着问题并提出了相关意见。     

基于多因素修正的台风灾害下输电线路失效预测方法

台风灾害是导致沿海地区输电线路倒塔(杆)、断线等线路损毁的主要原因之一。为了提高电网抵御台风的能力,进行台风灾害下输电线路失效预测具有重要意义。为此文中将输电线路看做由杆塔和线路共同组成的塔线系统,提出了一种基于多因素修正的台风灾害下输电线路塔线系统的失效预测方法。该方法结合传统的风荷载受力模型以及多因素分析的数据挖掘技术,分为基于模型驱动和基于数据驱动2个部分。模型驱动部分考虑杆塔和输电线路实际风荷载及设计风荷载的物理力学模型;数据驱动部分考虑电网信息、气象信息、地理信息等多因素信息,通过对历次台风灾害下的样本数据进行数据挖掘分析,结合当前预测信息,求取修正系数对模型驱动结果加以修正,进而获得输电线路塔线系统的综合失效概率,并对其进行可视化处理。最后通过算例分析验证了所提方法的科学性及有效性。     

基于实际风速的输电塔疲劳寿命预测

为了研究极端大风区域设计基准期内输电塔在实际风荷载作用下是否会发生疲劳破坏,选取某750 kV输电线路的7A5-ZB1型直线塔作为研究依据,研究了沿线的风速的分布,利用Miner线性累积损伤理论结合材料的S-N曲线建立了一套完整的实际风荷载作用下的输电塔疲劳寿命预测的计算方法,并以此计算了该线路沿线最不利位置的疲劳寿命。结果表明:该线路ZB1直线塔在设计基准期内不会出现疲劳破坏,但对一些关键位置输电塔的关键杆件,需要有针对性地防范与加固。     

基于随机风场概率加权的台风灾害下输电线路损毁预警

为解决台风灾害下输电线路损毁预测精度和数据利用率低的问题,建立了基于随机风场概率加权的输电线路损毁概率预测混合模型。该模型综合考虑了气象、微地形、杆塔运行和实时损毁等空间多源异构信息的融合。首先,使用极值Ⅰ型概率分布进行阵风的风值模拟,通过柯尔莫哥洛夫-斯米尔诺夫假设检验证明了其具有较高的精度;其次,利用蒙特卡洛法实现了随机风场的概率生成;最后,利用随机森林法预测每个风场下的线路损毁概率,实现了基于随机风场概率加权的输电线路损毁概率预测,该预测结果可为电力部门提供有效的预警决策支持。以台风"山竹"为实例,验证了所提基于随机风场概率加权的输电线路损毁概率预测混合模型的科学性及有效性。     

台风暴雨灾害下的110 kV线路倒塔与断线事故评估方法

沿海地区台风暴雨灾害频发,极易引发输电线路倒塔、断线等事故。为此,针对110 kV输电线路提出一种同时考虑台风暴雨灾害下倒塔与断线事故的评估方法。首先,分别建立台风与暴雨荷载模型,刻画台风风场中任意位置的风雨荷载;其次,对110 kV线路不同的输电塔型分别建立有限元模型,考虑风雨荷载的相关性,分析风雨荷载下线路和铁塔的动力响应;接着,基于结构可靠性理论,推导倒塔、断线概率表达式,研究不同塔型、用途、风向角等因素对倒塔的机理影响,分析电网薄弱环节,评估台风暴雨灾害下110 kV线路倒塔与断线事故;最后,仿真采用中国某地区实际电力系统和真实台风数据,验证所提方法的适用性。     

台风暴雨灾害下的110 kV线路倒塔与断线事故评估方法

沿海地区台风暴雨灾害频发,极易引发输电线路倒塔、断线等事故.为此,针对110 kV输电线路提出一种同时考虑台风暴雨灾害下倒塔与断线事故的评估方法.首先,分别建立台风与暴雨荷载模型,刻画台风风场中任意位置的风雨荷载;其次,对110 kV线路不同的输电塔型分别建立有限元模型,考虑风雨荷载的相关性,分析风雨荷载下线路和铁塔的...     

基于EMD与ELM的输电线路山火蔓延速度组合预测模型

针对复杂环境下输电线路山火的影响因素,提出了基于经验模态分解（empirical mode decomposition,EMD）与极端学习机（extreme learning machine,ELM）的输电线路山火预测模型。首先利用小波去噪对采集的风速时间序列进行噪声分析,根据序列的不同进行归类重构,产生新的风速时间序列;然后利用经验模态分解将输电线路山火成因分解为一系列具有不同特征尺度的子序列;接着利用交叉验证法和重构相空间法确定学习机的各种参数和输入维数;再利用极端学习机输电线路山火进行建模预测分析。仿真结果表明基于经验模态分解与极端学习机的输电线路山火组合预测模型可以有效预测24 h之内的山火蔓延速度,为实现输电线路山火在线较高精度的预测提供了可能。     

基于可变模式分解和NWCSO优化极限学习机的短期风速预测

针对风速时间序列的非线性特征导致其难以准确预测的问题,提出一种基于可变模式分解(variational mode decomposition,VM D)和动态NW小世界纵横交叉算法(dynamic NW small w orld crisscross optimization,NWCSO)优化极限学习机的短期风速组合预测模型。采用一种新型的可变模式分解技术,将原始风速时间序列分解为一系列不同带宽的模式分量以降低其非线性,然后对全部分量分别建立极限学习机模型进行预测,并采用小世界纵横交叉算法对极限学习机的输入权值和隐含层偏置进行优化,以获得最佳的预测效果。实验结果表明,基于VMD的组合预测模型较采用其他常规分解方式时预测精度明显提高。     

Short-term wind power prediction based on extreme learning machine with error correction

Introduction: Large-scale integration of wind generation brings great challenges to the secure operation of the power systems due to the intermittence nature of wind. The fluctuation of the wind generation has a great impact on the unit commitment. Thus accurate wind power forecasting plays a key role in dealing with the challenges of power system operation under uncertainties in an economical and technical way. Methods: In this paper, a combined approach based on Extreme Learning Machine (ELM) and an error correction model is proposed to predict wind power in the short-term time scale. Firstly an ELM is utilized to forecast the short-term wind power. Then the ultra-short-term wind power forecasting is acquired based on processing the short-term forecasting error by persistence method. Results: For short-term forecasting, the Extreme Learning Machine (ELM) doesn’t perform well. The overall NRMSE (Normalized Root Mean Square Error) of forecasting results for 66 days is 21.09 %. For the ultra-short term forecasting after error correction, most of forecasting errors lie in the interval of [?10 MW, 10 MW]. The error distribution is concentrated and almost unbiased. The overall NRMSE is 5.76 %. Conclusion: The ultra-short- erm wind power forecasting accuracy is further improved by using error correction in terms of normalized root mean squared error NRMSE).     

基于自适应组合模型的超短期风速预测

风电场的风速预测对电力系统的稳定及安全运行有着重大的影响.考虑到风速序列具有间歇性和随机性等特征,提出一种基于参数优化的变分模态分解及极限学习机的组合模型,将其用于超短期风速预测.首先,采用变分模态分解算法将风速序列分解为一系列的平稳分量.以正交性为适应度函数,利用网格优化算法搜索变分模态分解的关键参数值——分解层数和...     

基于奇异谱分析和极限学习机的风速多步预测

风速预测对风力发电系统具有重要的影响,为获得更高精度的风速预测结果,针对多步风速预测,成功开发了一种基于奇异谱分析和优化极限学习机的新型预测模型。首先,采用奇异谱分析将风速时间序列分解为一组相对平稳的分量,以降低风速序列的随机性对预测结果的影响;然后,对分解得到的分量分别建立极限学习机预测模型,为进一步提高预测性能,将1种新颖的活性竞争萤火虫算法用于优化极限学习机的输入权值和隐含层偏置;最后,叠加全部分量的预测值得到实际预测结果。仿真结果表明,基于奇异谱分析和活性竞争萤火虫算法优化极限学习机的模型在1步到3步风速预测中实现了较高精度的预测结果。     

基于FCE和SVM融合的线路典型冰风灾害算法分析

目前,国内外对于线路覆冰和风耦合作用的灾害分析较少,因此,提出了一种基于模糊综合评价法（fuzzy comprehensive evaluation, FCE）和支持向量机（support vector machine,SVM）融合的线路典型冰风灾害分析算法。通过分析典型冰风灾害影响因子及类型,借助模糊综合评价法提取了关键的灾害影响指标,并对风速和风向关键指标进行修正。在提取的温度、相对湿度、风速、风向和地貌5类致灾相关程度高指标的基础上,提出了采用径向基RBF核函数的非线性SVM小样本灾害分析模型。通过历史的冰风故障和非冰风故障数据建立训练样本和测试样本,仿真结果表明,建立的模糊综合评价和支持向量机融合的冰风灾害模型可有效分析判断冰风灾害发生的概率,实现了对冰风灾害小样本数据的可靠分析。