輸電線路覆冰預測研究.pdf

1、架空輸電線路是電網(wǎng)中傳輸電能的重要組成部分,必須確保輸電線路安全穩(wěn)定的運行,然而近年來國內(nèi)外電力行業(yè)中架空輸電線路多次遭到嚴重的冰災事故,給電網(wǎng)的安全運行帶來了危害,嚴重的會造成大面積的停電事故并且使電網(wǎng)恢復困難。因此對輸電線路的覆冰情況進行預測,能及時了解導線覆冰的趨勢并給出預警,能有效防止嚴重的覆冰事故,給輸電導線防冰、除冰提供依據(jù)。
　　本文首先闡述了輸電線路產(chǎn)生覆冰的條件、覆冰的機理和過程,對輸電線路覆冰進行了分類,綜合分

2、析了影響導線覆冰的各種因素,同時闡述了導線防冰、除冰的常用措施。利用輸電線路的影響因素對輸電線路進行覆冰預測,將輸電線路影響因素的歷史數(shù)據(jù)作為預測模型的輸入量,首先用RBF神經(jīng)網(wǎng)絡和支持向量機(SVM)模型分別對輸電線路覆冰進行了預測,結(jié)果顯示支持向量機的預測精度高于RBF神經(jīng)網(wǎng)絡。支持向量機中的懲罰參數(shù)和核參數(shù)對算法精度影響很大,采用遺傳算法(GA)和粒子群算法(PSO)對懲罰參數(shù)和核參數(shù)進行優(yōu)化,同時遺傳算法中的交叉概率和變異概率影

3、響尋優(yōu)能力,粒子群算法中的慣性因子和加速因子影響尋優(yōu)能力,對兩算法中的參數(shù)進行改進,利用改進后的算法對SVM中懲罰參數(shù)和核參數(shù)進行優(yōu)化,利用優(yōu)化后的SVM對導線覆冰進行預測,結(jié)果表明優(yōu)化后的預測時間都增加了,預測精度也提高了。其中基于改進遺傳算法的優(yōu)化時間相對最少,而基于遺傳粒子群結(jié)合算法的預測時間最長,基于改進遺傳算法和改進粒子群算法優(yōu)化后的預測精度大體相同,基于遺傳粒子群結(jié)合算法優(yōu)化后的預測精度最高。
　　從線路覆冰預測的結(jié)果