基于粒子群算法的高压输电线路故障预警方法

摘要

为解决故障特征信息没有充分利用,导致预警准确率低的问题,基于粒子群算法设计了一种高压输电线路故障预警方法。从致灾因子的角度,对发生覆冰和雷击故障的因素进行分析,提取线路故障特征。提取的故障特征集合由多种状态组合而成,状态变化与选择的线路设备元件相关。对故障特征数据进行预处理,降低了采集数据的信息误差,提高了模型运算分析能力。基于粒子群算法构建故障预警模型,在速度计算中引入惯性权重,充分利用故障特征信息,扩大最优位置的搜索范围。将预测结果与历史故障状态进行对比,实现故障预警。测试结果表明,设计方法的误判率为13.17%,比基于卷积神经网络-相关向量机(Convolutional Neural Network-Relevance Vector Machine,CNN-RVM)、基于BP神经网络和基于随机森林算法的方法降低了3.96%、5.45%、5.17%;设计方法的预测准确率为93.25%,比基于CNN-RVM、基于BP神经网络和基于随机森林算法的方法提高了4.27%、6.78%、5.36%。