基于PSO优化LS-SVM的短期风速预测

提出了一种基于粒子群(PSO)算法优化最小二乘支持向量机(LS-SVM)的风电场风速预测方法。以相关性较高的历史风速序列作为输入,建立预测模型,并用粒子群算法优化模型参数。在对未来1 h风速进行预测时,文章所提出的模型比最小二乘支持向量机模型及BP神经网络模型具有较高的预测精度和运算速度。算例结果表明,经粒子群优化的最小二乘支持向量机算法是进行短期风速预测的有效方法。     

基于改进LSSVM的太阳辐射量预测

为准确预测太阳辐射量,提出一种基于变分模态分解和粒子群优化算法的最小二乘支持向量机组合预测模型。针对太阳辐射量序列具有不稳定性的特点,首先利用变分模态分解将历史太阳辐射量数据分解成一系列相对稳定的分量序列,再应用粒子群优化最小二乘支持向量机参数,以预测各分量序列,将各分量太阳辐射量预测值集成,从而得到最终太阳辐射量预测值。实例分析和对比研究表明,该模型预测太阳辐射量有效可行,具有较高的预测精度。研究成果可为太阳辐射量预测提供参考。     

基于PSO优化LS-SVM的异步电动机振动故障诊断

为了提高异步电动机振动故障诊断的准确性,提出了基于粒子群算法优化最小二乘支持向量机的异步电动机振动故障诊断方法。先通过实验室对异步电动机各类故障的振动进行测试,对测试数据进行预处理,选择异步电动机不同位置振动信号的特征频率作为系统的输入,然后利用训练好的粒子群算法优化后的最小二乘支持向量机进行异步电动机振动的故障诊断。最终结果与其他诊断方法对比表明：该方法克服了样本训练时间较长并容易陷入局部收敛的缺点,同时诊断的准确率较高,有效地避免了异步电动机故障的误诊断。     

基于CLPSO优化LSSVM的风数据缺失部分插补

风电场的实测风数据普遍存在着数据缺失的问题。由于风数据的非线性特点,常用的插补方法难以跟踪风的变化趋势,导致风数据缺失部分插补值精度低的问题。针对此问题,采用最小二乘支持向量机(LSSVM)模型插补缺失的风数据,使用综合学习粒子群算法(CLPSO)优化影响LSSVM模型性能的参数,从而形成了CLPSO-LSSVM插补模型。为了进行对比,另外使用了风切变指数模型(WSC)、自回归滑动平均模型(ARMA)、自适应神经模糊推理系统模型(ANFIS),对测试数据和风数据缺失部分进行插补。仿真结果表明:CLPSO-LSSVM模型的测试数据插补值精度最高,对风数据缺失部分插补值的相关系数也较大,综合指标最优,验证了该插补模型的有效性。     

基于CSO算法优化的LSSVM熔盐温度预测

吸热器的安全高效运行在太阳能热发电系统中起到了至关重要的作用。吸热管中熔盐出口最高温度和平均温度为太阳能热发电系统中吸热器的设计、材料的选择和运行控制提供了重要的科学依据。文章提出了基于最小二乘支持向量机(Least squares support vector machines,LSSVM)的快速预测方法,预测不同工况下吸热管中熔盐出口最高温度和平均温度。为了提高预测精度,利用猫群优化(Cat Swarm Optimization,CSO)算法求解LSSVM方法中的超参数。数值计算结果证实了LSSVM方法是可行的,从而为研究塔式太阳能吸热器的热特性以及运行控制提供一种新的有效方法。     

IGSA优化LSSVM的短期风电功率预测研究

提出一种基于改进引力搜索算法(Improved Gravitational Search Algorithm,IGSA),优化LSSVM的短期风电功率预测方法。对引力搜索算法采用混沌映射学习策略初始化种群位置,引入全局记忆策略来改进速度公式,提高最优解质量,利用高斯变异算子及贪婪策略来更新最优解位置。为对比不同核函数对LSSVM预测模型性能的影响,选取了4种常用的核函数(RBF,Sigmoid,Poly及Linear)构建LSSVM预测模型,并用IGSA优化构建的模型。以安徽某一风电场实测数据为例,仿真结果表明,选择RBF核函数的IGSA-LSSVM模型的风电预测性能优于其它核函数;同时,与反向传播神经网络(Back Propagation Neural Network,BPNN)相比,以及与GA,PSO和GSA优化LSSVM相比,IGSA优化LSSVM方法对短期风电功率预测具有更好的稳定性和更高的准确性。     

变尺度混沌优化参数的LSSVM短期负荷预测

为解决短期电力负荷预测中LSSVM模型的参数难以确定的问题,利用变尺度混沌算法优化LSSVM模型的惩罚因子和核函数参数,构建了MSC-LSSVM模型,并将其应用于湖南省隆回县地区电网各小时点的数据分析和预测中。结果表明,MSC-LSSVM模型避免了人为选择参数的盲目性,预测精度较高。     

架空输电线路防雷与接地的设计分析

供电安全对于生产生活都至关重要,为保证供电安全,良好的接地装置设计能够在实践中避免架空输电线路和雷击跳闸等因素的不良影响.本文从实际工作经验入手,首先对架空输电线路遭受雷击发生跳闸的情况进行了总结,同时结合在相应情形下对接地装置存在的问题进行综合分析,进而阐述接地装置的设计要点,提出切实可行的防雷建议.     

基于模糊评价和风险矩阵的输电线路风险评估

提出了一种结合模糊理论和风险矩阵法对输电线路安全风险进行评估的方法。首先,根据《电力安全事故应急处置和调查处理条例》等法律法规确定风险后果;其次,深入分析了影响输电线路运行状态的因素,建立了输电线路运行状态因素指标体系。以此为基础建立了输电线路模糊综合评价模型,用以评价风险发生概率;最后,用风险后果等级和风险发生概率构建了风险矩阵对风险进行分级,并制定相应的风险控制措施。以一个实际线路风险为例检验了该方法的可操作性,提出的风险评估方法可以为输电线路运维工作提供指导,从而降低电网运行风险。     

基于专家样本库和最小二乘支持向量机的配电网线损率预测模型

配电网线损率是评价电网企业运营的一项重要经济指标,利用电力运行数据建立线损率模型时建模样本对模型的预测精度具有重要影响。对此,提出了一种基于专家样本库和最小二乘支持向量机(LS-SVM)的线损率计算模型,利用离散粒子群优化算法从台区配电网电力运行数据中寻找包含较大运行状态信息量的样本记录,构建专家样本库,考虑台区配电网的有功供电量、无功供电量、端口电流、居民容量占比、表计数目及气象温度和气象湿度,基于专家样本库采用LS-SVM算法建立配电网线损率预测模型,并利用该模型对0.4kV配电网线损率进行计算验证。结果表明,基于专家样本库建立的线损率模型与普通样本建立的模型相比,具有更高的预测精度。     

基于自适应PSO-LSSVM多维开关柜数据的状态评估方法

为有效分析开关柜的各种监测数据,减轻状态评估工作量,提出一种基于自适应粒子群优化和最小二乘向量机分析(PSO-LSSVM)的多维开关柜数据状态评估方法。首先对开关柜的多维历史监测数据进行分类,提取有效数据构建数据集,并利用K最近邻法(KNN)填补缺失数据,针对已有的开关柜历史评估结果,采用最小二乘支持向量机算法进行数据分析和训练,引入自适应粒子群算法,实现算法参数的优化,最终获得多维数据的开关柜评估模型。经实际数据检验,此评估方法能有效分析历史监测所累积的大规模数据,评估准确率较高,可有效筛选出需检修的开关柜,减轻了开关柜评估工作量,具有一定的实际应用意义。     

最小二乘支持向量机在大坝渗流监测中的应用

支持向量机的训练速度慢．制约了它的发展和推广应用。Suykens提出了一种新的支持向量机方法——最小二乘支持向量机。最小二乘支持向量机是支持向量机的发展和改进,它采用等式约束替代不等式约束,求解速度大大加快。将其用于大坝的渗流监测中．并与传统的支持向量机进行了比较,结果显示二者的预测效果都比较好．但是最小二乘支持向量机的训练效率比支持向量机要高。     

基于共享最小二乘支持向量机模型的电站锅炉燃烧系统的优化

电站锅炉燃烧系统是一个复杂的多输入多输出系统,为了在同一个模型中实现高效率、低污染物排放的优化目标,对标准最小二乘支持向量机回归方法进行了扩展．借助某电厂1000MW超超临界锅炉的现场燃烧调整试验数据,建立了以锅炉热效率和NOx排放质量浓度为输出的共享最小二乘支持向量机（LSSVM）模型,采用一种改进的粒子群算法对共享模型中的锅炉运行工况进行了寻优．结果表明：在共享LSSVM模型中,锅炉热效率和NOx排放质量浓度的平均预测误差分别可达到0．028％和2．16％,搜索得到的高效率和低NOx排放的参数组合可为电站锅炉优化运行提供指导．     

基于LS-SVM的制冷系统故障诊断

为了提高制冷系统故障诊断速度及准确性,提出了基于最小二乘支持向量机(LS-SVM)的制冷系统故障诊断模型,并采用ASHRAE制冷系统故障模拟实验数据进行模型训练与验证.对一台90冷吨(约316 kW)的离心式冷水机组的7类制冷循环典型故障进行了实验.研究结果表明,LS-SVM模型对制冷系统七类故障的总体诊断正确率比支持向量机(SVM)诊断模型、误差反向传播(BP)神经网络诊断模型分别提高0.12%和1.32%;尽管对个别局部故障(冷凝器结垢、冷凝器水流量不足、制冷剂含不凝性气体)的诊断性能较SVM模型的略有下降,但对系统故障的诊断性能均有较大改善,特别是对制冷剂泄漏/不足故障;诊断耗时比SVM模型减少近一半,快速性亦有所改善.可见,LS-SVM模型在制冷系统故障诊断中具有良好的应用前景.     

基于电压降落比较的高压架空线路断线保护原理

针对现有保护装置无法应对高压架空线路因断线故障造成的安全问题,提出了一种基于电压降落比较的高压架空线路断线保护原理.新原理使用架空线路两端电压采样值获得线路各相“测量电压降落”,采用均匀传输线路阻抗矩阵以及线路两端电流采样值计算得到线路各相“计算电压降落”,通过比较两种电压降落的瞬时值构成架空线路断线快速识别判据.仿真...     

基于ATP仿真模型自动运行的架空输电线路防雷性能评估方法

目的 提出了基于ATP仿真模型自动运行的评估方法,以解决通过仿真分析和评估架空输电线路防雷性能时模型编制效率不高,评估过程复杂的问题。 方法 首先给出了该方法的思路及其整体框架和实现步骤。在对ATP仿真模型文件结构进行解析的基础上,通过根据线路原始数据自动编写文件中各数据卡,并将各数据卡进行有效连接实现了ATP仿真模型的自动生成。通过自动运行ATP仿真模型并读取仿真结果文件,实现了仿真结果的自动判断。设计了根据仿真结果自动调整模型参数的方法,最终实现了架空线路防雷性能的自动评估。 结果 通过具体应用实例对所提出的计算方法进行验证,该计算方法求解发生击穿的雷电流幅值为13.7 kA,且发生的是B相击穿,与仿真模型中设置击中B相一致,该结果说明了所提出方法的可行性和有效性。 结论 所提出的方法有效提高了通过仿真方法评估架空输电线路防雷性能的准确性和工作效率,具有实用价值。     

最小二乘支持向量机在大坝变形预测中的应用

介绍了基于统计学习理论的一种新的机器学习技术———支持向量机(SVM)和其拓展方法———最小二乘支持向量机(LSSVM),并将LSSVM算法应用于混凝土大坝安全监控中的变形预测。根据实测数据,建立了基于LSSVM算法的大坝变形预测模型,同时与经典SVM预测模型进行分析比较。结果表明,LSSVM和经典SVM算法在大坝变形预测中都具有较好的可行性、有效性及较高的预测精度;LSSVM在算法的学习训练效率上比SVM有较大的优势,更适合于解决大规模的数据建模。     

一种架空线——电缆混合线路的组合行波测距方法

为克服双端行波测距精度受电力线路长度误差及其两终端时钟同步偏差影响的缺陷,在分析混合线路故障行波传播特性的基础上,提出了一种混合输电线路的组合行波测距方法。该组合行波测距方法首先利用双端测距原理判定故障发生区段,然后判别各母线侧接收到的行波反射波的来源,最终利用单端行波测距方法计算架空线—电缆混合线路的故障距离。500kV架空线—电缆混合线路组合行波测距仿真计算结果表明,组合行波测距方法的测距精度明显高于传统测距方法的测距精度,可用于工程实践。     

110~330 kV同塔四回架空输电线路塔型设计研究

针对110～330kV同塔四回路塔型设计,提出了塔型设计的关键技术与基本参数的计算方法,基于鼓型塔并结合同塔四回的特点及设计条件,设计了3种110～330kV同塔四回路塔型,比较分析了各自特点,获得了有价值的结论。