关键词:
覆冰厚度预测
关联分析
极限学习机
支持向量机
摘要:
输电线路覆冰常常对电网的安全运行构成严重的威胁,因此针对覆冰的在线监测及预测、预警技术的研究,是保障输电线路安全稳定运行的关键,也是建设智能化输电体系的要求。本文运用机器学习智能算法对线路覆冰的智能预测进行了研究,具体工作如下:1)研究了输电线路覆冰机理和覆冰形态,分析了输电线路中雨凇覆冰、混合凇覆冰和雾凇覆冰等多种覆冰形态,并从不同的分类标准描述了相应的线路覆冰类型及其特征。2)分析了在线监测数据库中的覆冰数据,通过对这些数据的大量筛选和预处理,挑选出可用于预测实验的完整覆冰过程数据。运用灰色关联分析方法将对覆冰等效厚度进行了关联分析,得出了影响输电线路覆冰的关键影响因素,并将这些关键因素作为后文中建模的输入量。3)研究了基于极限学习机(ELM)的输电线路覆冰预测模型,利用遗传算法对ELM网络的参数进行了优化,提出了改进型的极限学习机覆冰等效厚度预测模型。最后通过预测实验,证明了此模型的覆冰预测精度高于BP神经网络和GRNN神经网络。4)提出了一种新的线路覆冰厚度预测思路,首先从覆冰历史数据分析出发,通过主成分分析方法对实验数据进行降维后,然后利用基于思维进化算法优化的支持向量机进行覆冰厚度预测,达到了更理想的实验效果。