基于神经网络技术的输电线路雷电活动预测研究

摘要

输电线路是电网的主要组成部分，其运行安全是整个电网安全运行的保障。雷害事故在输电线路运行事故中占有很大比例，雷电活动参数取值的准确性，直接影响着输电线路防雷特性的计算。因此，掌握输电线路走廊的雷电活动规律，研究输电线路走廊内基本的例如地闪密度、雷电流幅值等雷电活动参数的特点，对输电线路防雷工作具有重要的指导意义。
　　 以往的雷电活动参数研究大多是对雷电观测数据的直观统计，并没有对输电线路走廊雷电活动规律以及雷电活动参数预测进行深入的研究。本文尝试将神经网络技术应用到输电线路走廊雷电活动参数预测方面，并针对研究中存在的问题进行了分析。
　　 本文首先建立了基于神经网络技术的输电线路走廊地闪分布预测模型，并分别应用自适应神经网络算法和遗传自适应神经网络算法对指定的输电线路走廊地闪密度进行了预测研究，对预测结果的分析认为：自适应神经网络不适合对具有强离散性的数据进行预测，遗传自适应神经网络具有比自适应神经网络更加强大非线性映射能力，在学习样本较少，相对于雷电数据的强离散性极易造成网络训练无法完全把握雷电活动规律的情况下，这种强大的非线性映射能力一定程度上加剧了这一问题。针对该算法存在的问题，本文提出了基于数据分级技术的自适应神经网络算法，并利用该算法对指定的输电线路走廊地闪密度进行了预测研究。
　　 在输电线路走廊地闪分布模型的基础上建立雷电流幅值预测模型，并分别应用自适应神经网络算法和遗传自适应神经网络算法对指定的输电线路走廊雷电流幅值概率分布函数中的雷电流中值和拟合系数两参数进行了预测研究，并分析了该算法存在的问题：由于作为待预测对象的雷电流中值和拟合系数本身是对原始统计数据进行非线性拟合后的结果，并不能直接反映原始雷电流数据之间的规律。针对该问题，本文利用区间划分方法对该预测模型进行了改进，并应用自适应神经网络算法和遗传自适应神经网络算法对指定的输电线路走廊雷电流幅值区间内的雷电流个数进行了预测研究。
　　 最后，本文尝试建立了输电线路走廊雷电活动模拟系统，并利用神经网络的预测结果进行了线路走廊的地闪密度和雷电流幅值模拟研究。