電力光纖線路狀態(tài)預測方法研究.pdf

1、在電力通信系統(tǒng)中，電力光纖由于其自身所具有的諸多優(yōu)勢，近年來已成為一種主流的通信方式而被廣泛應用。作為電力通信系統(tǒng)的關鍵組成部分，電力光纖通信系統(tǒng)傳輸?shù)姆€(wěn)定性是電力部門高效生產(chǎn)、穩(wěn)定運行的重要保障，一旦電力光纖線路發(fā)生故障，造成的通信中斷將會給企業(yè)和用戶帶來巨大的經(jīng)濟損失。因此，研究電力光纖線路狀態(tài)預測方法，根據(jù)已知的電力光纖線路狀態(tài)預測未來可能發(fā)生的線路故障，從而提前做好維護和管理工作，避免故障的發(fā)生，確保電力通信系統(tǒng)不間斷傳輸具有重

2、要的現(xiàn)實意義。
　　為了更加準確地預測電力光纖線路的運行狀態(tài)，文章提出一種基于自適應粒子群（APSO）優(yōu)化差分自回歸滑動平均—支持向量機（ARIMA-SVM）模型的預測新方法，該方法通過對電力光纖線路運行狀態(tài)的衡量指標光功率的預測，從而實現(xiàn)電力光纖線路狀態(tài)預測。首先，根據(jù)電力光纖線路中光功率數(shù)據(jù)具有的非線性、時變性和復雜性特點，采用小波變換對監(jiān)測得到的光功率數(shù)據(jù)進行小波分解并重構，提取出隨機項與趨勢項兩部分光功率數(shù)據(jù)。然后，針對隨

3、機項與趨勢項數(shù)據(jù)特性，分別構建多種預測模型進行對比實驗，從中選取并構建預測效果最優(yōu)的 ARIMA模型和 SVM模型分別對光功率隨機項和趨勢項兩部分數(shù)據(jù)進行預測。為了進一步提升模型預測性能，文中設計一種 APSO算法對 SVM模型中參數(shù)進行優(yōu)化，該算法通過構建新型的動態(tài)距離函數(shù)和自適應慣性權重函數(shù)，使得不同粒子的搜索速度能夠自適應地變化，從而提高算法的收斂速度和精度，獲取更加準確的模型參數(shù)，并通過仿真實驗驗證了該算法的有效性。最后，分別構

4、建ARIMA模型和基于APSO優(yōu)化的SVM模型對光功率隨機項數(shù)據(jù)和趨勢項數(shù)據(jù)進行預測，并疊加兩部分的預測結果，實現(xiàn)光功率未來趨勢的預測，從而實現(xiàn)電力光纖線路狀態(tài)預測。實驗結果表明，與其他預測方法相比，文章提出的基于APSO優(yōu)化ARIMA-SVM混合模型的預測方法能夠更加準確地預測出電力光纖線路中光功率的未來趨勢，從而實現(xiàn)電力光纖線路狀態(tài)的預測，并且該方法優(yōu)化了模型預測性能，較單一的 SVM模型光功率趨勢預測方法相比，其預測精度提升了12