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。     

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。     

采用模糊逻辑理论的覆冰厚度预测模型

针对输电线路覆冰对电网造成巨大损害,以及目前覆冰预测研究较少等问题,提出了基于模糊逻辑理论的覆冰厚度预测模型的建立方法.分析了贵州电网8条输电线路的覆冰现场监测数据,初步确定了25条有效模糊规则,并建立了基于模糊逻辑理论的覆冰厚度预测模型.预测模型的验证结果表明:模型预测的覆冰厚度值与现场实际覆冰厚度值的误差＜5 mm...     

基于时间序列分析与卡尔曼滤波的输电线路覆冰短期预测

为降低输电线路覆冰事故的影响,对输电线路覆冰厚度进行准确的短期预测将能够有效地指导电网抗冰工作。为此从输电线路覆冰是一种时间累积过程的角度出发,提出了一种基于时间序列分析与卡尔曼滤波算法混合的线路覆冰短期预测模型。模型利用导线覆冰量的时间数据序列所具有的自相关性和时序性,有效减少了现有覆冰预测模型由于测量到的各种微气象因素存在的误差累积到覆冰预测结果中的影响。最后,通过搭建的电力系统微气候模拟平台进行模拟覆冰试验来对预测模型进行了验证,其短期预测平均绝对误差为0.78%。同时,通过从贵州电网在线监测系统上提取实际覆冰数据,验证了预测模型的短期预测平均绝对误差为2.58%。这证实了该模型的有效性,能够为输电线路除冰工作提供参考。     

基于WPA优化LSSVM的输电线路覆冰厚度预测

针对现有输电线路覆冰厚度预测方法上存在的不足,采用狼群算法(wolf pack algorithm,WPA)对最小二乘支持向量机(least squares support vector machine,LSSVM)的惩罚因子和核函数参数进行优化,建立基于WPA优化LSSVM的输电线路覆冰厚度预测模型.采用某500 k...     

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VMD-IGWO-LSSVM的覆冰预测模型研究

精确的输电线路覆冰厚度预测,可以对线路除冰工作进行科学指导,及时调整电力系统除冰计划.覆冰厚度容易受到温度、湿度和风速等气候因素影响而具有不确定性和非线性.提出一种基于历史统计数据的输电线路覆冰厚度预测模型,使用变分模态分解(VMD)对覆冰厚度数据进行分解,得到具有不同中心频率的子分量;采用改进灰狼算法(IGWO)对最...     

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。     

基于航拍的输电线路覆冰厚度监测研究

随着无人机技术的迅速发展,采用无人机对输电线路进行巡视已逐步成为智能运检的趋势。文中提出了一种基于航拍的输电线路覆冰厚度监测方法。首先采用基于小波阈值去噪的图像预处理方法突出航拍图像中的输电线路信息,消除模糊干扰;然后引入二维OTSU算法求取最佳阈值优化传统Canny算子,利用优化算子检测出输电线路边界轮廓;最后,在边界轮廓检测的基础上通过比较覆冰前后输电线路区域图像像素宽度,结合实际输电线路直径求取覆冰厚度。实验结果表明,文中所提方法可对输电线路覆冰厚度进行有效监测,所测误差可达1.5%。     

一种基于长短期记忆网络的线路覆冰预测模型研究

输电线路覆冰灾害易引发危害电网安全运行的事故,对输电线路覆冰情况进行短期预测十分必要。提出了一种基于结合气象因素和导线覆冰量的时间序列模型预测法,建立一个由5个气象要素和一个导线覆冰量数据组成的数据集,采用长短期记忆网络算法训练预测模型,利用线路实际运行数据对模型进行优化和评估。实验结果表明,所提方法可准确、有效地实现线路覆冰发展情况的预测,预测误差仅4.2%。     

基于XGboost的线路覆冰测量中激光测距的误差研究

针对冬季电力输电线路覆冰厚度测量过程中,使用激光测距测量距离时产生测量误差导致输电线路覆冰厚度测量精确度较低的问题。本文开展激光测距误差因素分析和误差修正研究。首先,从脉冲式和相位式两种激光测距的特点出发,确定适合在冬季输电线路覆冰厚度测量过程中使用的激光测距方式;然后,将所选择的脉冲式激光测距测距理论与冬季输电线路覆冰厚度测量过程中作业环境情况相结合,通过从所测目标、环境等多个可能引起误差的研究内容开展试验,进一步确定了冬季环境下输电线路覆冰厚度测量过程中的距离测量误差影响因素;最后,结合XGboost算法对激光测距误差影响因素进行合理修正,使得激光测距测量准确度更高。本文还对研究的面临的局限性挑战和未来电力输电线路覆冰监测工作发展趋势进行了说明。     

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。     

输电线路覆冰厚度的小波分析图像识别

针对现有输电线路覆冰厚度检测方法的不足,利用南方电网输电线路灾害(覆冰)预警系统中的覆冰图像,选择3阶B样条函数作为平滑函数构造小波基对覆冰图像进行多尺度边缘检测,再采用Hough变换对图像检测边缘进行连接,通过对比导线覆冰前后的厚度差,实现覆冰厚度自动计算。结果表明:多尺度小波边缘检测信息融合与Hough变换直线检测算法,对离散误差、局部断裂等缺陷不敏感,能剔除覆冰图像中冗余和虚假边缘,从而在实际噪声图像中提取所有覆冰导线边缘,图像分辨率提高有助于减少计算误差。最后,经与南方电网输电线路灾害(覆冰)预警系统监测的数据进行对比,所得误差2.5 mm,表明该方法可用于输电线路覆冰厚度在线监测。     

计及气象因素时间累积效应的输电线路覆冰预测

现有基于机理的覆冰预测模型考虑因素众多,结构复杂,但仍存在预测误差。基于统计回归的覆冰预测模型则较少考虑时间累积效应,与实际情况亦有出入。因此提出了计及气象因素时间累积效应的输电线路覆冰预测模型。建立了气象因素下的覆冰厚度增长简易模型,分析了覆冰厚度随时间增长的关系。并进一步考虑不同气象因素对覆冰增长的影响,构建不同气象因素覆冰厚度增长程度指标。利用历史气象数据计算该指标并与覆冰厚度监测值组成训练集,采取SVM回归方法实现对覆冰情况的预测。通过算例对现有各方法与所提方法进行了对比,验证了该预测模型在精度等方面的优势。     

导线覆冰监测系统的力学模型与预警功能优化

研究输电线路覆冰在线监测系统的覆冰厚度预测模型以及预警功能的实现与优化。以覆冰线路为研究对象,对其进行力学分析,考虑耐张绝缘子串等不均匀载荷以及风偏平面的载荷,建立了输电线路综合荷载的等值覆冰厚度预测模型,并依据该模型建立导线覆冰在线监测系统。运用输电线路内部循环应力与疲劳振动次数的s-N曲线得出输电线路强度衰减的计算公式,依据导线剩余强度给出导线疲劳度概念及公式,并考虑导线疲劳度对覆冰监测系统的预警值进行修正。实验结果表明,监测系统可以更准确地发出报警信号。     

特殊地形下输电线路等值覆冰厚度计算模型有效性分析和改进研究

覆冰是影响电网安全运行的最主要威胁之一。输电线路覆冰在线监测是防治电网覆冰灾害的有效手段,其中称重法获得广泛应用。我国地形复杂多变,特殊地形对输电线路受力有较大影响。为了分析输电线路覆冰在线监测中直线塔输电线路等值覆冰厚度计算模型在常见输电线路纵断面模型下的有效性,文章采用有限元法建立输电线路力学仿真模型,研究输电线路过谷模型、翻山模型以及连续上(下)山模型下输电线路等值覆冰厚度计算结果的准确性,提出考虑等效长度变化的直线塔输电线路等值覆冰厚度计算模型。结果表明,在均匀覆冰下,对于输电线路过谷模型,当杆塔高差系数绝对值不超过0.2时,等值覆冰厚度计算结果与假设值相对误差在16%以内;然而当杆塔高差系数较大时,如杆塔高差系数为–0.3,等值覆冰厚度计算结果与假设值相对误差大于40%。将等值覆冰厚度计算模型改进后,等值覆冰厚度计算结果与假设值相对误差变小,且覆冰厚度越大,相对误差越小。对于输电线路翻山模型和连续上(下)山模型,等值覆冰厚度计算厚度结果相对误差不超过5%。     

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。     

架空输电线路覆冰厚度预测技术研究

通过统计和分析历年输电线路覆冰案例,根据气象和地理规律,提出一种基于气象信息的输电线路覆冰厚度预测方法。利用气象模式预报资料、气象台站观测资料和地形地貌信息,对冷空气中心路径预报,并通过覆冰气象地理模型预报未来一段时间出现覆冰的区域和线路,给出输电线路覆冰厚度预报值。另外采用高精度的地理信息资料订正冰厚,实现输电线路覆冰厚度预报。系统在湖北电网部署以来,多次准确预报了覆冰发生区域和输电线路冰厚,为线路运维人员防灾应急处置争取了宝贵时间。经实际验证,本方法预测输电线路覆冰厚度准确度高、实用性强,具有推广价值,同时也为开发输电线路舞动、雷电等灾害预报系统积累了经验。     

基于支持向量机的输电线路覆冰回归模型

为对输电线路覆冰进行有效地监测、预测及预警,提出了一种基于支持向量机(support vector machine,SVM)的输电线路覆冰回归模型,用于输电线路覆冰情况的短期预测。这一研究工作是在MATLAB环境下,应用LIBSVM软件包编程进行建模仿真的;针对实测微气象-覆冰数据多维、自由度大的特性,选定与覆冰相关性最大的气温、相对空气湿度数据以及覆冰参考量作为输入量,覆冰质量作为输出量;提出了基于支持向量机的超短期预测、短期迟滞预测和滚动预测3种预测模型,并通过实例数据仿真评估了模型的有效性。结果表明:超短期预测模型预测精度>90%,但时效仅15min、实用价值较低;短期迟滞预测模型和滚动预测模型在2h内预测精度均>80%,可适用于输电线路覆冰的短期实时预测;滚动预测模型理论上可预测更长期的覆冰情况,假设微气象参量恒定不变限制了其预测精度,若结合微气象预报将会有更好的预测效果。由于目前适用于建模仿真的完整覆冰数据较少,因此支持向量机用于建立输电线路覆冰回归模型的有效性和稳定性还有待进一步验证。     

基于3组力传感器和倾角传感器的输电线路导线覆冰在线监测技术

为减小由于传感器数量不足导致的输电线路等值覆冰厚度计算误差,设计了基于3组力传感器和倾角传感器的新型导线覆冰在线监测装置。该装置集成了微气象、导线温度、分布式多杆塔拉力、图像等多项监测功能。建立了相应的等值覆冰厚度力学计算模型,并将该模型与覆冰图像处理技术相结合,给出了一种导线覆冰密度计算方法。新型输电线路覆冰在线监测装置于2013-03在贵州电网220 kV线路洒红Ⅰ回安装运行,2013-03-15—2013-03-18期间,该线路发生轻微覆冰,利用该技术得到等值线路覆冰平均厚度2 mm,而忽略大、小号侧杆塔绝缘子串倾角和导线温度的前期覆冰厚度计算模型得到的覆冰厚度均为0。结果表明该新型输电线路导线覆冰在线监测技术能够全面、准确和灵敏地监测线路的覆冰状况。