輸電線路覆冰負(fù)荷智能預(yù)測模型的迭代誤差隨預(yù)測步長的增加而增大,無法對長期的覆冰負(fù)荷進(jìn)行預(yù)測;且小概率覆冰事件樣本較少,無法對上百年一遇的重大覆冰災(zāi)害進(jìn)行預(yù)測。針對上述問題,提出一種基于時序近鄰保持嵌入算法的輸電線路覆冰預(yù)測模型,利用正常狀況下的覆冰微氣象數(shù)據(jù)構(gòu)建預(yù)警模型,得到一條嚴(yán)重覆冰預(yù)警紅線,以預(yù)測結(jié)果是否超限為判斷依據(jù),從而預(yù)警是否有嚴(yán)重覆冰發(fā)生,給出了一種對幾十年一遇甚至上百年一遇的重大覆冰災(zāi)害進(jìn)行預(yù)警的可行性方法。仿真結(jié)果表明,時序近鄰嵌入保持算法模型可以對嚴(yán)重覆冰進(jìn)行有效預(yù)警,且能夠有效減低誤報(bào)率及漏報(bào)率,體現(xiàn)了時序近鄰嵌入保持算法模型對嚴(yán)重覆冰過程預(yù)警的優(yōu)越性。 

【文章來源】：計(jì)算機(jī)仿真. 2020,37(10)北大核心

【文章頁數(shù)】：6 頁

【圖文】：

基于TNPE算法的輸電線路覆冰過程預(yù)警流程

首先,選擇1000組輸電線路上沒有覆冰以及覆冰重量較小的微氣象數(shù)據(jù)作為訓(xùn)練數(shù)據(jù),并對數(shù)據(jù)進(jìn)行預(yù)處理,本實(shí)驗(yàn)對風(fēng)向進(jìn)行了平滑濾波處理,對日照強(qiáng)度進(jìn)行了平均化處理,處理后的訓(xùn)練數(shù)據(jù)如圖2所示。選擇2000組包含覆冰重量較大情況的微氣象數(shù)據(jù)作為預(yù)測數(shù)據(jù),處理后的數(shù)據(jù)如圖3所示。圖3 預(yù)測數(shù)據(jù)

圖2 訓(xùn)練數(shù)據(jù)在建模過程中需要設(shè)置TNPE算法的時序鄰域個數(shù)k以及降維維度d,在本實(shí)驗(yàn)中設(shè)置k=25,降維維度d=2,統(tǒng)計(jì)量SPE的置信度設(shè)置為99%。

【參考文獻(xiàn)】：
期刊論文
[1]環(huán)境條件對線路絕緣子覆冰形態(tài)和密度的影響規(guī)律[J]. 孫磊,賈志東,李亞偉,張星海,周朋.  高電壓技術(shù). 2018(08)
[2]再次面臨電網(wǎng)冰雪災(zāi)害的反思與思考[J]. 蔣興良,張志勁,胡琴,胡建林,舒立春.  高電壓技術(shù). 2018(02)
[3]基于時間序列分析與卡爾曼濾波的輸電線路覆冰短期預(yù)測[J]. 黃新波,李弘博,朱永燦,王玉鑫,鄭心心,王一各.  高電壓技術(shù). 2017(06)
[4]基于短期覆冰預(yù)測的電網(wǎng)覆冰災(zāi)害風(fēng)險評估方法[J]. 晏鳴宇,周志宇,文勁宇,郭創(chuàng)新,陸佳政,姚偉.  電力系統(tǒng)自動化. 2016(21)
[5]基于遺傳算法與模糊邏輯融合的線路覆冰預(yù)測[J]. 黃新波,王玉鑫,朱永燦,鄭心心,李弘博,王一各.  高電壓技術(shù). 2016(04)
[6]輸電線路覆冰厚度短期多變量灰色預(yù)測模型研究[J]. 劉宏偉,陸佳政,賴旬陽,譚艷軍,徐勛建,王銀順.  高電壓技術(shù). 2015(10)
[7]輸電導(dǎo)線的覆冰時變仿真模型[J]. 梁曦東,李雨佳,張軼博,劉瑛巖.  高電壓技術(shù). 2014(02)
[8]基于支持向量機(jī)的輸電線路覆冰回歸模型[J]. 戴棟,黃筱婷,代洲,郝艷捧,李立浧,傅闖.  高電壓技術(shù). 2013(11)
[9]電網(wǎng)可靠性評估的建模和仿真研究[J]. 李麗穎,孫躍國.  計(jì)算機(jī)仿真. 2012(04)
[10]基于BP神經(jīng)網(wǎng)絡(luò)的輸電線路覆冰增長模型研究[J]. 羅毅,姚毅,李鶯,王鍇,邱玲.  四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版). 2012(01)

博士論文
[1]基于大數(shù)據(jù)的電網(wǎng)覆冰災(zāi)害預(yù)測與風(fēng)險管理研究[D]. 馬天男.華北電力大學(xué)(北京) 2017
[2]數(shù)據(jù)局部時空結(jié)構(gòu)特征提取與故障檢測方法[D]. 苗愛敏.浙江大學(xué) 2014



本文編號：3309531