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...     

输电线路绝缘子覆冰预测及防护方法综述

在寒冷地区,由大气结冰引起的绝缘子串覆冰频发,严重影响覆冰地区电力系统的安全。开展绝缘子覆冰及其预防技术研究对提高输电线路可靠运行有重要意义。首先分析绝缘子覆冰闪络的主要影响因素,并对覆冰绝缘子的形态特征进行深入研究,如覆冰类型、覆冰量、覆冰长度和桥接状态、绝缘子污染等。然后从预测、监测、预防3个角度出发,详细论述覆冰绝缘子覆冰的防护措施。对覆冰绝缘子的监测方法进行分析和比较,结果表明,图像监测技术在冰凌预测中具有明显的优势,并讨论了目前结冰的图像识别技术的研究进展和技术难点。最后,介绍绝缘子覆冰风险预测模型的研究前景,并阐述基于图像和机器学习算法的绝缘子结冰风险预测模型的研究前景,对今后减少绝缘子覆冰闪络事件的研究提出一些建议和展望。     

基于拉力和倾角的输电线路覆冰厚度预测模型

提出一种基于拉力和倾角的输电线路覆冰厚度预测模型,弥补了现有模型忽略风偏平面影响的不足。该模型虑及风吹所形成的风偏平面内综合荷载的影响,根据耐张段轴向导线张力、悬挂点倾角、悬垂绝缘子串张力和垂直偏斜角来计算导线的覆冰厚度。以湖南省雪峰山自然覆冰试验站2012年1月的数据验证该模型的合理性,模型计算值与在线监测系统采集数据、人工测试结果基本一致,说明该模型能反映覆冰的发生、发展过程和严重程度。     

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。     

基于遗传算法与模糊逻辑融合的线路覆冰预测

针对输电线路覆冰预测问题,提出了一种基于遗传算法与模糊逻辑融合的线路覆冰预测模型建立方法,同时对遗传算法与模糊逻辑融合理论及实际应用进行了研究与探讨。首先统计贵州电网8条输电线路的历史覆冰现场监测数据,对现场数据通过学习算法产生模糊规则。其次组合产生的模糊规则和先前的专家经验模糊规则,建立组合模糊规则库。接着运用遗传算法对输入—输出论域模糊划分、组合模糊规则库及隶属函数等覆冰模糊系统参数进行优化。最后通过贵州电网2014年的覆冰现场监测数据,验证优化后的线路覆冰预测模型。预测结果表明:覆冰厚度在0~5 mm之间,预测平均相对误差为0.016 5%,5~10 mm之间预测平均相对误差为-0.165%,10~18mm之间预测平均相对误差为3.34%。     

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...     

输电线路覆冰机理浅析

通过对江西省2条500 kV线路,一条220 kV线路覆冰情况的分析,阐述了气象条件对线路覆冰的影响及覆冰厚度与导、地线类型、导线布置方式之间的内在关系.     

应用图像边缘检测方法在线监测输电线路覆冰厚度研究

讨论了用基于小波的图像边缘检测方法在线监测输电线路覆冰厚度的原理,提出了一种新的输电线路导线与绝缘子覆冰厚度的在线监测方法,即通过对安装在高压铁塔上的摄像机和图像采集卡获得的导线与绝缘子覆冰图像进行实时处理,提取其边界轮廓来测量导线与绝缘子上的覆冰厚度。主要对测量系统中的图像处理过程步骤作了说明,重点论述了通过提取边界轮廓来测量覆冰厚度的算法的实现,并在实验室的人工气候室中进行了试验验证。试验结果表明,该输电线路覆冰厚度在线监测方法测量精度高,监测可靠,可应用于高压输电线路覆冰厚度的在线监测。     

基于BP神经网络的输电线路工程造价预测模型

为解决在输电线路工程前期决策阶段的方案比选过程中,如何利用较少的工程信息,快速、准确地预测比较各方案工程造价,评估工程方案的合理性,本文提出一种基于BP神经网络的输电线路工程造价预测方法,分析并找出输电线路工程造价的影响因素,并将这些因素作为BP神经网络输入变量,输电线路工程造价作为输出变量,建立3层结构的BP神经网络预测模型,并用实际工程数据训练和验证预测模型。计算实例表明,该模型能够准确、快捷地预测输电线路工程造价,适合于工程方案比选过程中的各方案造价预测对比,评估工程方案的合理性。     

应用BP神经网络的超高压输电线路可听噪声预测

以甘肃省多条330 kV超高压输电线路可听噪声的实测数据样本为例,研究基于误差反传(back propagation,BP)神经网络的可听噪声预测的方法。将330 kV单回路三角型线路结构输电线路的可听噪声数据整理分析后建立数据样本,选择影响可听噪声的13个因素作为输入变量,可听噪声值作为输出变量,建立3层结构的BP神经网络预测模型,用数据样本训练和验证预测模型。结果表明,基于BP神经网络的可听噪声预测方法能够较精确地预测可听噪声数据样本中除了输入样本以外的其余样本,可作为超高压输电线路可听噪声预测的一种简单有效的方法。     

基于GA-BP神经网络算法的输电线路舞动预警方法

针对传统BP神经网络初始权值和阈值随机产生、易陷于局部最优化、收敛速度慢以及隐含层的神经元数量不易确定等问题,采用遗传算法对BP神经网络的初始权值和阈值空间进行遗传优化,获取最优权值矩阵和阈值矩阵,并由此进行误差反向前馈神经网络的训练学习,同时采用试错法,结合相关公式,缩小隐含层神经元数量范围,寻找最优神经元数量,建立GA-BP神经网络模型,对输电线路舞动的发生进行预警。通过对相关地区输电线路舞动历史数据进行了算例分析,对比其他机器学习算法的预测结果准确性,结果表明：改进的GA-BP神经网络能更准确有效地预测输电线路舞动的发生情况;为防止大规模舞动灾害提供有力了保障,进一步提高了电网抵御自然灾害的能力。     

基于改进卷积神经网络的输电线路故障诊断方法

针对电网输电线路发生故障较多、告警系统误报率较高且依赖运维人员事后分析的问题,提出了基于改进卷积神经网络(CNN)的电网输电线路故障诊断模型。首先对电网输电线路的电流时序数据进行预处理,然后通过双通道融合和多层卷积、池化改进卷积神经网络,并在卷积层中结合批归一化方法,对故障数据和正常调停数据分别进行特征提取,再通过soft-max分类器进行分类识别,构建了智能高效的故障诊断模型,有效地降低了误报率。最后利用国家电网调度中心实际数据,验证了所提方法的有效性。     

基于小波—BP神经网络的短期风电功率预测方法

建立风电功率预测系统并提高其预测精度是大规模开发风电的关键技术之一。基于数值天气预报,建立了反向传播（BP）神经网络风电功率预测模型,并采用某风电场实际数据分析了影响该模型预测精度的因素。针对原始风速及功率序列日特性不明显、BP神经网络不能完全映射其特性的缺陷,提出了一种基于小波—BP神经网络的预测模型。该模型利用小波...     

基于GA优化BP神经网络的有源配电网高阻接地故障选线方法

当配电网发生高阻接地故障时,逆变型分布式电源的接入会向零序网络中注入不平衡的谐波电流,改变原有故障特征的分布规律,导致传统高阻故障选线方法失效。考虑光伏电源接入对配电网的影响,提出了一种基于GA优化BP神经网络通过融合多种故障特征的有源配电网高阻接地故障选线方法。首先,利用Matlab/Simulink搭建谐振接地系统仿真得到选定周波的故障零序电流,根据小波包变换从中提取小波包能量熵和模极大值,并将其作为数据样本。然后,将数据输入优化后的网络中进行训练,得到能够实现智能选线的机器学习模型。最后,算例分析表明该方法较传统算法提高了迭代速度和训练精度,在多种复杂故障条件下具有良好的选线容错率,且具有一定的抗噪能力。     

Remaining Lifethne Prediction of Relay Based on BP Neural Network

针对继电器的寿命预测问题,基于BP神经网络,提出了一种新的预测方法.该方法采用BP神经网络建立起用继电器触头的超程时间和吸合时间来预测继电器剩余寿命的数学模型.着重分析了建模过程中的关键点,并结合实例验证了该方法的有效性.