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。     

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.     

输电线路导线基于灰色1-IAGO Verhulst-双重BP神经网络覆冰厚度监测

高效正确的输电线路导线覆冰厚度监测对电网的安全稳定运行有着重要影响,为了能更好地监测输电线路导线的覆冰厚度并能及时进行除冰工作,提出一种基于灰色1-IAGO Verhulst-双重BP神经网络模型对输电线路导线进行覆冰监测的方法。实践证明,这种方法对数量众多、所处地点环境特性各异的多处输电线路导线进行的覆冰监测高效正确、精度较高。     

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。     

基于粒子群算法优化支持向量机的输电线路覆冰预测

分析了现有输电线路覆冰厚度预测方法中的不足,提出了一种基于粒子群算法优化支持向量机的输电线路覆冰预测。通过历史覆冰增长数据样本对支持向量机进行训练,利用训练的模型对线路覆冰厚度进行预测。同时利用粒子群优化算法对支持向量机关键参数进行优化,有效提高了覆冰厚度预测精度,为输电线路防冰提供了可靠依据。     

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。     

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。     

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%。     

基于改进的小波神经网络模型在覆冰预测中的应用研究

输电线路覆冰厚度数据对输电线路冰灾防治具有重要意义。线路覆冰达到一定厚度后,电线张力和杆塔荷载会达到危险水平,需要采取相应的措施。建立覆冰厚度预测模型,可以预测某一时间点的覆冰厚度值,为运行单位提供决策参考。利用线路的覆冰历史数据,选择小波神经网络建立覆冰厚度预测模型,并利用共轭梯度算法代替传统的训练算法,显著提高了建模速度。预测结果表明,这种模型具有较好的容错能力,并满足预测精度。     

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...     

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...     

基于组合神经网络的输电线故障类型识别

准确的输电线路故障类型识别是实现故障测距的前提 ,文中在高压输电线路故障分析的基础上 ,构建了由Kohonen自组织特征映射神经网络模型和BP网络模型组合而成的类型识别网络模型 ,来实现输电线路的故障检测及故障类型识别。经理论分析和大量的EMTP仿真表明 :此网络模型较单一网络模型 ,所需训练样本少 ,学习时间短 ,并且在各种故障模式下 ,均能可靠、准确实现输电线路故障类型的识别 ,不受故障过渡电阻、故障初始角、系统运行方式、故障点位置等因素的影响     

基于T-S模糊神经网络的覆冰厚度预测模型

针对极端气象条件,提出一种基于Takagi-Sugeno模糊神经网络的覆冰厚度预测模型.该模型首先基于时间序列对覆冰气象因子进行拟合,通过此模糊神经网络预测电力覆冰厚度.经算例分析比较,表明该模型具有较好的学习、映射、泛化能力.     

基于广义回归神经网络的非侵入式负荷识别方法

非侵入式负荷识别可以实现电网和用户的灵活双向互动,对智能电网的发展具有重大意义,而神经网络因其自学习能力及计算复杂度低等优点越来越多地应用在非侵入式负荷识别中。针对现有BP神经网络方法容易陷入局部最优、收敛速度慢的问题,文章提出了一种基于广义回归神经网络(GRNN)的非侵入式负荷识别方法。该方法使用负荷投切过程的功率、谐波、投切时间等暂态特征作为输入,应用Parzen非参数估计方法搭建网络结构,利用模拟退火算法的全局搜索能力对光滑因子进行寻优,从而建立GRNN网络模型进行负荷识别。实验结果表明,相对于BP神经网络,文中方法具有更好的识别精度和训练速度。     

基于果蝇优化算法的GRNN电网故障诊断

提出基于果蝇优化算法的GRNN电网故障诊断模型,实现GRNN分布参数的优化选择。利用广义回归神经网络(GRNN)相比于其他人工神经网络在逼近能力、分类能力和学习速度上面的优势,建立基于GRNN神经网络的电网故障诊断模型。经分析及测试,该方法能够有效的提高运行人员故障处理效率,快速并准确的实现电网的故障诊断。     

基于BP神经网络的输电线路山火风险评估模型

近年来,输电线路因山火引起的跳闸停电事故越来越多,严重影响了电网的安全稳定,山火风险防控俨然已成为电网防灾减灾的重要研究课题。考虑到输电线路山火风险的影响因素多而复杂,提出了一种基于BP神经网络的山火风险评估模型。通过研究分析220 kV及以上输电线路山火灾害高发的实际情况,确定山火主要影响因子作为模型的输入,将山火风险等级作为模型的输出,利用Matlab建立基于BP神经网络的山火风险评估模型。实验结果表明该模型能有效地预测山火风险,对及时发布预警消息具有重要意义。     

基于微源控制-小波神经网络的微网功率预测

针对可再生能源发电具有功率周期变化与对环境敏感的双重性,提出将微源控制(MSC)用入分布式电网功率预测的小波神经网络模型学习算法。该算法在灵活处理功率局部与周期特性的基础上,结合环境因素对功率变化的影响,引入关联因子优化权重,得出最终预测结果。通过对实际微网系统的仿真测试,并与BP神经网络与GRNN模型进行比较,研究结果表明：MSC-WNN模型在三次测试中相对误差均在-1%-1%以内,说明了其具有较高预测精度和良好的鲁棒性能。     

微气象条件下输电线路导线覆冰预测模型

覆冰作为一种特殊的气象条件,给架空线路的安全运行造成严重影响。首先对山区微气象条件下输电线路导线覆冰规律进行深入研究,并得到在不同微气象条件下,各个气象参数对输电线路导线覆冰的影响系数不同这样一个结论。随后,根据不同的影响系数对各个微气点进行建模,基于此,提出了一种基于神经网络及模糊逻辑算法的输电线路导线覆冰组合预测模型。计算结果表明,上述基于微气象区域条件的输线电路导线覆冰预测模型与以往的全局模型和单纯的BP神经网络相比,有更高的预测精度,其在实际中的应用也取得了良好的效果。