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。     

输电线路超短期覆冰厚度精准预测模型研究

冬季架空输电线路覆冰是导致输电线路发生冰雪灾害的直接原因,在线实时融冰是预防冰雪灾害的有效措施。对于冻雨致冰厚度的精准预测,是实施最优融冰方案的前提。设计了模拟导线监测系统和现场微气象系统,以模拟导线监测数据和微气象站技术,结合冻雨覆冰理论计算空气中前期液态水含量。基于灰色系统理论,应用GM(1,1)模型,预测空气中超短期液态水含量、风速、降雨量。在此基础上,根据所预测液态水含量、风速、降雨量计算覆冰增长速度。综合多种实际监测数据,建立覆冰数据仿真模型。     

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。     

输电线路导线覆冰AMPSO-BP神经网络预测模型

输电线路覆冰严重危害电网安全运行,因此,有必要开展线路覆冰预测研究。随着人工智能技术的不断发展,其在电网覆冰监测中的优势逐渐凸显。现有的基于覆冰增长物理模型和统计回归模型覆冰预测方法,一定程度上实现了通过微气象等因素预测覆冰增长的效果,但大都针对短期覆冰周期,对数据采集频率有很高的要求,实际工程中实现较为困难。因此文章统计分析了重庆市送变电公司2015—2019年线路观冰数据,得到了西南地区高湿环境下输电线路覆冰特性及规律,并依据覆冰增长物理过程选取了工程可测量气象参数作为覆冰影响因素,提出了一种基于自适应变异粒子群算法(adaptive mutation particle swarm optimization algorithm, AMPSO)优化BP神经网络的人工智能覆冰厚度预测模型,优化了BP神经网络的权值阈值选取,优化后的模型在预测精度上要强于单一BP神经网络与已有研究中提出的小波神经网络,具有良好的工程适用性。     

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。     

基于安全裕度的输电线路覆冰预测方法研究

针对输电线路覆冰灾害事故预测方法的不足,提出基于安全裕度的策略对输电线路的覆冰情况进行预测。通过对覆冰线路模型各种运行工况下的结构失效率数值计算数据的回归分析,得到杆塔的失效评定曲线图,并对其进行预测分析。选取华中某500 kV输电线路中薄弱的杆塔作为研究对象。建立3塔2线输电线路的有限元模型,在覆冰荷载和风荷载不同组合下进行力学仿真计算,对结果数据的回归分析验证了该方法的正确性。本文方法可为准确预测线路覆冰事故、制定防覆冰改造方案提供依据。     

湖南省输电线路覆冰舞动预测技术研究

本文在总结大量文献并结合湖南省的气候、微地形等情况的基础上分析湖南省电网输电线路导线覆冰舞动的形成因素、发生机理以及防舞措施。通过总结历史数据,找出湖南电网线路舞动受气候、微地形等因素的影响。首先根据易发生舞动的地形、气候条件,提出合理的避舞措施,即选择合适的线路走向;然后提出合适的抗舞措施,即从提高导线电气和机械强度入手提高线路防舞性能;最后提出相应的抑舞措施,即从改变舞动条件入手,在线路上安装防舞装置的措施。文章最后总结舞动与线路线型、走向等电网结构的关系,提出舞动预测技术,为湖南省线路覆冰舞动预警,提前采取融冰、除冰等措施,进一步减小舞动对线路的危害。     

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。     

输电线路抗覆冰

贵州地处云贵高原，境内沟堑纵横，地势高低不平，冬季气温低，空气潮湿，在海拔1500m以上地区形成严重凌冻。凌冻附着在输电线路上，滚雪球式的恶性循环，严重的线路覆冰造成导线、避雷线、瓷瓶串断落，每年这样的事故都屡屡发生，给国民经济生产经营造成极大的损失。同时，恶劣的地理和气候条件给事故后的抢修造成极大困难，增加了工人的劳动强度，也延误了复电的时间。截止2004年，其中遵义供电局有220kV线路938km，110kV线路1313km。这些线路有10％～12％经过高海拔地区，在冬季，输电线路因覆冰过载造成线路断落成了困扰我局系统的难题。     

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。     

输电线路覆冰监测技术

文章从电力架空线路覆冰雪产生的条件和危害入手,重点介绍了输电线路覆冰监测技术及应用现状,并提出改进建议。综合考虑湖北冰灾区域和覆冰监测的有效性,建议在湖北的恩宜荆荆电网和鄂东与江西交界的成宁重冰区装设覆冰在线监测装置,并提出具体应用原则。     

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...     

精细化气象要素下输电线路覆冰预测预警研究

南方地区冬季输电线路自然覆冰是线路运维难题和灾害预防课题,迫切需要提升该地区线路覆冰预测预警能力。文章在分析国内外输电线路覆冰预测模型及工程应用问题基础上,总结出精细化气象要素下基于统计-经验知识确定覆冰等级方法进而建立覆冰等级区划,再结合线路穿越自然环境的地形地貌及气象影响因素构建相应的具有较强泛化能力的输电覆冰预测预警模型,从而建立有效的线路覆冰预测预警工作机制。2年应用实践验证,该线路覆冰预测预警模型及工作机制能准确地预测预警线路覆冰状态及大幅提升线路覆冰灾害的预防能力和技术水平,从而为南方地区冬季预防和应对输电线路覆冰灾害提供技术手段,保障该地区输电线路在自然覆冰极端环境下稳定运行。     

基于RBF神经网络的短期负荷预测

电力系统短期负荷预测是电力部门的重要工作之一。在短期负荷预测中,电力负荷变化受多方面因素的影响。负荷曲线呈现出强烈的非线性。正确认识和分析影响负荷因素对负荷的影响一直是短期负荷预测的关键问题。采用径向基函数神经网络进行电力系统短期负荷预测可获得更高的预测精度。     

基于RBF神经网络的短期负荷预测

电力系统短期负荷预测是电力部门的重要工作之一.在短期负荷预测中,电力负荷变化受多方面因素的影响,负荷曲线呈现出强烈的非线性.正确认识和分析负荷影响因素对负荷的影响一直是短期负荷预测的关键问题.采用径向基函数神经网络进行电力系统短期负荷预测可获得更高的预测精度.文中研究了电力市场下基于径向基神经网络的短期负荷预测建模及其仿真.     

基于RBF神经网络的短期负荷预测

针对BP网络的缺陷,提出了一种基于RBF神经网络的短期负荷预测方法,利用遗传算法训练神经网络,使神经网络以较快的收敛速度和较大的概率得到了最优解。实例研究结果表明该方法可以取得较高的预测精度。