【摘要】：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)果可以看出,支持向量機在歷史數(shù)據(jù)樣本較小時預測能力比神經(jīng)網(wǎng)絡要好,更適合處理小樣本問題,同時利用優(yōu)化措施對支持向量機進行優(yōu)化后,增加了預測算法復雜度,提高了覆冰厚度預測的精度。
[Abstract]:Overhead transmission line is an important part of electric energy transmission in power grid. It is necessary to ensure the safe and stable operation of transmission line. However, in recent years, the overhead transmission line in the domestic and foreign power industry has suffered many serious ice disaster accidents. It has brought harm to the safe operation of the power grid, which will cause large-scale blackout and make the power grid difficult to recover. In order to predict the ice-coating situation of transmission lines, the trend of wire ice-coating can be understood in time and early-warning can be given, which can effectively prevent serious ice-coating accidents and provide the basis for anti-icing and de-icing of transmission lines. In this paper, the conditions, mechanism and process of ice-coating on transmission lines are described firstly, the ice-coating of transmission lines is classified, and the factors that affect the ice-coating of transmission lines are comprehensively analyzed. At the same time, the commonly used measures of anti-icing and de-icing of conductors are also expounded. The influence factors of the transmission line are used to predict the icing of the transmission line, and the historical data of the influencing factors of the transmission line are taken as the input of the prediction model. Firstly, RBF neural network and support vector machine (SVM) model are used to predict icing of transmission lines. The results show that the prediction accuracy of support vector machine is higher than that of RBF neural network. The penalty parameters and kernel parameters in support vector machine have great influence on the accuracy of the algorithm. Genetic algorithm (GA) and particle swarm optimization (PSO) are used to optimize the penalty parameters and kernel parameters. At the same time, the crossover probability and mutation probability of genetic algorithm affect the optimization ability, the inertia factor and acceleration factor of particle swarm optimization algorithm affect the optimization ability, and the parameters of the two algorithms are improved. The improved algorithm is used to optimize the penalty parameters and kernel parameters in the SVM, and the optimized SVM is used to predict the wire icing. The results show that the prediction time and the prediction precision are increased after the optimization. The optimization time based on the improved genetic algorithm is the least, and the prediction time based on the genetic particle swarm optimization algorithm is the longest, and the prediction precision of the improved genetic algorithm and the improved particle swarm optimization algorithm is about the same as that of the improved genetic algorithm and the improved particle swarm optimization algorithm. The prediction accuracy based on genetic particle swarm optimization algorithm is the highest. From the result of line icing prediction, it can be seen that support vector machine has better prediction ability than neural network in small historical data sample, and is more suitable to deal with small sample problem. At the same time, support vector machine is optimized by using optimization measures. The complexity of prediction algorithm is increased and the accuracy of ice thickness prediction is improved.
【學位授予單位】：山西大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TM752

【相似文獻】

相關(guān)期刊論文 前10條

1 郭鴻鵬;孟威;梁鵬;;輸電線路覆冰的分析與防治[J];中國高新技術(shù)企業(yè);2011年02期

2 張永勝;;輸電線路覆冰原因分析及防護[J];青海電力;2006年01期

3 徐q耀;況軍;吳彬;;重慶輸電線路覆冰的實時監(jiān)測方案[J];中國電力教育;2008年S3期

4 張昕宇;;輸電線路覆冰機理淺析[J];江西電力;2008年02期

5 李碧輝;;淺談線路覆冰的危害及防治[J];農(nóng)村電工;2008年06期

6 邵瑰瑋;胡毅;王力農(nóng);易輝;;輸電線路覆冰監(jiān)測系統(tǒng)應用現(xiàn)狀及效果[J];電力設備;2008年06期

7 黃新波;孫欽東;張冠軍;馬建國;;線路覆冰與局部氣象因素的關(guān)系[J];高壓電器;2008年04期

8 吳榮;;輸電線路覆冰監(jiān)測及預警探討[J];廣西電力;2008年04期

9 羅思敏;邱創(chuàng);;論輸電線路覆冰防護[J];現(xiàn)代商貿(mào)工業(yè);2009年08期

10 陳漢軍;郝祉;;對輸電線路覆冰問題的技術(shù)探討[J];甘肅科技縱橫;2009年03期

相關(guān)會議論文 前10條

1 黃小紅;何永強;聶新華;王華軍;;吉安2008年罕見低溫雨雪冰凍天氣對輸電線路覆冰情況分析及防范建議[A];第26屆中國氣象學會年會氣象災害與社會和諧分會場論文集[C];2009年

2 程其禮;張生權(quán);;高海拔、多凝凍區(qū)域解決輸電線路覆冰問題的研究及應用[A];2008年抗冰保電優(yōu)秀論文集[C];2008年

3 程其禮;張生權(quán);;高海拔、多凝凍區(qū)域解決輸電線路覆冰問題的研究及應用[A];2008年抗冰保電技術(shù)論壇論文集（一）[C];2008年

4 王榮;;輸電線路覆冰在線監(jiān)測與觀冰點探討[A];2008年抗冰保電技術(shù)論壇論文集（一）[C];2008年

5 徐青松;勞建明;侯煒;王孟龍;;輸電線路覆冰的實時計算和監(jiān)測[A];2009年全國輸變電設備狀態(tài)檢修技術(shù)交流研討會論文集[C];2009年

6 肖云東;劉錦英;;輸電線路覆冰與局部氣象因素的關(guān)系[A];山東電機工程學會2011年學術(shù)年會論文集[C];2011年

7 張志生;曹敏;陳霍興;;云南輸電線路覆冰與氣象的關(guān)系分析[A];2010年云南電力技術(shù)論壇論文集（文摘部分）[C];2010年

8 李宏力;;防止輸電線路覆冰事故技術(shù)方案綜述[A];2008年抗冰保電技術(shù)論壇論文集（一）[C];2008年

9 吳劍霞;;輸電線路覆冰災害的防護[A];2008年抗冰保電技術(shù)論壇論文集（二）[C];2008年

10 袁齊坤;時峰;鄧中原;;曲靖電網(wǎng)輸電線路覆冰分析[A];第四屆全國架空輸電線路技術(shù)交流研討會論文集[C];2013年

相關(guān)重要報紙文章 前10條

1 馬兵 韓虎軍;荊門供電公司線路覆冰技改竣工[N];國家電網(wǎng)報;2014年

2 呂軍;輸電線路覆冰舞動關(guān)鍵技術(shù)研究取得階段性成果[N];國家電網(wǎng)報;2010年

3 黃福彩　余小娟;龍巖電業(yè)局加強線路覆冰監(jiān)測[N];國家電網(wǎng)報;2010年

4 鄧斌　吳衛(wèi)華;抗冰保電沖鋒在前[N];黔西南日報;2011年

5 朱寬軍;中國電力科學研究院“輸電線路覆冰舞動防治關(guān)鍵技術(shù)研究與應用”項目榮獲中國電力科學技術(shù)進步獎[N];科技日報;2014年

6 周妍 藍旺;南網(wǎng)輸電線路覆冰預警系統(tǒng)投運[N];中國電力報;2008年

7 王永珍　郭清梅 王霜娥;電路覆冰預警系統(tǒng)顯威力[N];福建日報;2010年

8 通訊員 郭清梅　王霜娥;福建輕微覆冰輸電線路恢復正常[N];中國電力報;2010年

9 通訊員 張劍;華中電網(wǎng)輸電線路覆冰在線監(jiān)測獲新進展[N];中國電力報;2009年

10 本報記者 武利;成都局:“防”字擺在最前面[N];西南電力報;2008年

相關(guān)博士學位論文 前4條

1 呂錫鋒;高壓輸電線路覆冰狀態(tài)監(jiān)測與除冰技術(shù)研究[D];華北電力大學;2015年

2 陳凌;旋轉(zhuǎn)圓柱體覆冰增長模型與線路覆冰參數(shù)預測方法研究[D];重慶大學;2011年

3 馬國明;基于光纖光柵傳感器的架空輸電線路覆冰在線監(jiān)測系統(tǒng)的研究[D];華北電力大學（北京）;2011年

4 羅健斌;基于光纖傳感技術(shù)的高壓輸電線路覆冰狀態(tài)監(jiān)測研究[D];華南理工大學;2013年

相關(guān)碩士學位論文 前10條

1 尹子任;輸電線路覆冰預測研究[D];山西大學;2014年

2 馮毓敏;臨安山區(qū)輸電線路覆冰預測及設計改進研究[D];華北電力大學;2015年

3 周恩澤;高壓架空輸電線路覆冰在線監(jiān)測方法的研究[D];華北電力大學;2015年

4 李嬌;輸電線路覆冰監(jiān)測技術(shù)研究[D];華北電力大學;2012年

5 占子飛;輸電線路覆冰在線監(jiān)測系統(tǒng)的設計[D];太原理工大學;2010年

6 劉鵬;基于圖像處理的輸電線路覆冰檢測方法研究[D];華中科技大學;2012年

7 黃筱婷;基于在線監(jiān)測數(shù)據(jù)的輸電線路覆冰短期預測研究[D];華南理工大學;2013年

8 陳金熠;輸電線路覆冰在線監(jiān)測技術(shù)的研究[D];上海交通大學;2012年

9 楊耀;基于三維GIS技術(shù)的輸電線路覆冰監(jiān)測系統(tǒng)的設計與研究[D];華北電力大學;2012年

10 朱湛;輸電線路覆冰在線監(jiān)測系統(tǒng)研究與實現(xiàn)[D];電子科技大學;2012年

，

本文編號：2434356