关键词:
覆冰塔线体系
新型元启发算法
浣熊优化算法
进化神经网络模型
力学响应
预测模型
摘要:
覆冰高压输电线路塔体高、跨度大,断线、倒塔、舞动等事故频发,现有的监测设备量少,不足以及时反映其力学响应特征,提高覆冰线路的事前预警准确性是运维关键.以某500kV典型覆冰塔线体系为研究对象,结合在线监测信息验证该模型的合理性,基于三维有限元提出计算杆塔力学响应的代理模型,快速获得了不同覆冰工况的杆塔位移及应力值,形成力学响应数据库,并提出基于新型元启发式即浣熊优化算法(COA)BP神经网络的覆冰线路力学响应预测方法.对比了4种优化算法在23个测试函数中的进化能力、收敛速度及收敛精度,说明浣熊优化算法对复杂问题全局最优求解的高效性,并开展了不同训练样本数的正弦函数和余弦函数的仿真研究,阐明了COA进化神经网络计算更准确,且更快收敛于最优解.进一步,以覆冰输电线路力学响应的主控因子及塔顶位移为网络输入,以杆塔最大位移、最大拉应力及最大压应力为网络输出,基于风向角45°的监测数据集验证预测模型的学习泛化能力,并对比其他4种进化神经网络模型的预测值,再次阐明了该预测模型的优势.最后将该模型应用于风向角180°的塔线体系力学响应预测,其预测值均与实际覆冰工况的杆塔位移及应力值吻合,特别是不同覆冰工况的力学响应变化曲线再次验证了上述预测模型的可行性.可见,基于新型元启发式BP神经网络模型可实现覆冰高压塔线体系力学响应预测的实时性、高效性和准确性,为输电线路实时健康评估及事前预测预警提供了技术支持.