基于改进粒子群算法的输电线路覆冰研究

摘要

架空输电线路是电网中传输电能的重要通道，但是随着近年来极端天气状况的多发和高压、超高压和特高压线路的穿山越岭，一些电力线路多次遭到冰灾事故，不利于电网的安全稳定运行．严重的冰灾事故甚至会导致大面积停电。在这样的背景下，根据线路监测数据对覆冰情况进行预测，就能及时了解导线覆冰的趋势，在覆冰达到一定厚度时就可以提前预警，给输电线路的防冰、除冰提供依据，有效防止发生严重的覆冰事故。 本文首先阐述了覆冰的形成条件和生长过程，对输电线路覆冰进行了分类，同时基于对应的参数分析了覆冰的类型。在此基础上，介绍了经典覆冰模型。接着对导线表面热平衡进行分析，参考了基于热平衡分析的Makkonen数值分析模型，提取了该模型的覆冰影响因素。其次，利用极限学习机神经网络和支持向量机回归模型分别对输电线路覆冰厚度进行了预测。通过算例仿真结果对比分析发现，基于支持向量机的输电线路覆冰预测比基于极限学习机神经网络覆冰预测误差小，同时训练时间短，因此基于支持向量机线性回归得到的预测模型精度更高，更适合输电线路覆冰预测。在预测过程中，支持向量机中的惩罚参数和核参数对算法精度影响很大。利用改进粒子群算法对支持向量机中惩罚参数和核参数进行优化，结果表明利用改进粒子群算法优化参数后的预测模型，更能减小预测的相对误差，进一步提高预测的精度。从两个线路覆冰预测算例的结果分析可以看出，支持向量机在历史数据样本较小时预测能力比极限学习机神经网络要好，更适合处理小样本问题，同时利用改进粒子群算法对支持向量机进行优化后，提高了覆冰厚度预测的精度。 架空输电线路是电网中传输电能的重要通道，但是随着近年来极端天气状况的多发和高压、超高压和特高压线路的穿山越岭，一些电力线路多次遭到冰灾事故，不利于电网的安全稳定运行．严重的冰灾事故甚至会导致大面积停电。在这样的背景下，根据线路监测数据对覆冰情况进行预测，就能及时了解导线覆冰的趋势，在覆冰达到一定厚度时就可以提前预警，给输电线路的防冰、除冰提供依据，有效防止发生严重的覆冰事故。 本文首先阐述了覆冰的形成条件和生长过程，对输电线路覆冰进行了分类，同时基于对应的参数分析了覆冰的类型。在此基础上，介绍了经典覆冰模型。接着对导线表面热平衡进行分析，参考了基于热平衡分析的Makkonen数值分析模型，提取了该模型的覆冰影响因素。其次，利用极限学习机神经网络和支持向量机回归模型分别对输电线路覆冰厚度进行了预测。通过算例仿真结果对比分析发现，基于支持向量机的输电线路覆冰预测比基于极限学习机神经网络覆冰预测误差小，同时训练时间短，因此基于支持向量机线性回归得到的预测模型精度更高，更适合输电线路覆冰预测。在预测过程中，支持向量机中的惩罚参数和核参数对算法精度影响很大。利用改进粒子群算法对支持向量机中惩罚参数和核参数进行优化，结果表明利用改进粒子群算法优化参数后的预测模型，更能减小预测的相对误差，进一步提高预测的精度。从两个线路覆冰预测算例的结果分析可以看出，支持向量机在历史数据样本较小时预测能力比极限学习机神经网络要好，更适合处理小样本问题，同时利用改进粒子群算法对支持向量机进行优化后，提高了覆冰厚度预测的精度。

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 覆冰对输电线路的危害

1.3 导线覆冰研究现状

1、国外研究现状

2、国内近年研究现状

1.4 本文主要研究内容

第2章 导线覆冰机理

2.1.1 导线覆冰的形成条件与增长过程

2.1.2 覆冰种类

2.1.3 覆冰影响因素

2.2 典型覆冰模型的建立

2.3 导线表面热平衡分析

2.4 基于热平衡分析的Makkonen 数值分析模型

2.5 本章小结

第3章 基于极限学习机和支持向量机的覆冰预测

3.1.1 极限学习机

3.1.2 基于极限学习机的覆冰预测

3.1.3极限学习机预测仿真案例

3.2.1 支持向量机

3.2.2支持向量机线性回归理论

3.2.3 基于支持向量机的覆冰预测

3.2.4 支持向量机预测仿真案例

3.3 两种预测方法的对比

3.4 本章小结

第4章 基于改进粒子群算法优化参数

4.1.1 粒子群算法简介

4.1.2 粒子群算法中参数对性能的影响

4.2 改进粒子群算法

4.3.1 预测方法

4.3.2 仿真算例

4.4 本章小结

5.1 总结

5.2 展望

致谢

参考文献

攻读硕士学位期间取得的研究成果