基于智能辨識的輸電線路覆冰厚度模型研究.pdf

1、本課題是山西省電力公司科技項目“減少輸電線路覆冰量措施分析與應(yīng)用”的子課題。最早有記錄的輸電線路覆冰事故1932年出現(xiàn)于美國,而最近幾十年來，我國也遭受了大范圍的冰災(zāi)事故，2008年元月，我國南方遭遇暴雪、覆冰凝雪等極端惡劣氣候的襲擊，導(dǎo)致電煤短缺，全國17個省級電網(wǎng)拉閘限電，損失慘重。覆冰問題頓時成為迫在眉睫的熱點問題。本論文立足于山西省易產(chǎn)生覆冰災(zāi)害的忻州地區(qū)，通過對忻州神原一回線路109桿塔處的氣象參數(shù)及其相關(guān)歷史數(shù)據(jù)進行分析，建

2、立神經(jīng)網(wǎng)絡(luò)智能辨識的輸電網(wǎng)覆冰厚度模型，對未來覆冰厚度進行仿真辨識預(yù)測，從而指導(dǎo)生產(chǎn)，防患于未然。
　　 本文首先對覆冰的產(chǎn)生機理以及現(xiàn)有模型進行了綜述，接著深入研究了神經(jīng)網(wǎng)絡(luò)的模型建立問題，并給出了較為適用的建模方法和應(yīng)遵循的原則。在研究了大量文獻資料的基礎(chǔ)上，通過分析影響覆冰量的氣象因素，構(gòu)建了一個四層的BP神經(jīng)網(wǎng)絡(luò)，建立了忻州220kV輸電線路的智能辨識模型。預(yù)測結(jié)果的精度相對傳統(tǒng)方法有了很大程度的提高。但基于BP網(wǎng)難以確

3、定隱含層節(jié)點，容易陷入局部最小點，本文詳細討論了RBF(Radial Basis Function)網(wǎng)絡(luò)機理建立，RBF網(wǎng)絡(luò)模型具有訓(xùn)練速度快，收斂性好等特點，同時可以大大地減少隱含層神經(jīng)元的數(shù)目，論文以matlab為平臺，據(jù)輸電線路的歷史數(shù)據(jù)，分別采用四層BP網(wǎng)和RBF網(wǎng)進行了模型辨識，辨識結(jié)果表明：RBF網(wǎng)預(yù)測程度優(yōu)于BP網(wǎng)。
　　 支持向量機(Support Vector Machine，簡稱SVM)是基于統(tǒng)計學(xué)習(xí)理論的一

4、種新的機器學(xué)習(xí)技術(shù)。由于采用了結(jié)構(gòu)風(fēng)險最小化原則、替代經(jīng)驗風(fēng)險最小化原則，使它較好的解決了小樣本學(xué)習(xí)的問題。正因為SVM理論有較為完備的理論基礎(chǔ)和較好的學(xué)習(xí)性能，使得它成為繼神經(jīng)網(wǎng)絡(luò)研究之后新的研究熱點。在論文中，介紹了支持向量機的理論基礎(chǔ)，通過分析山西省忻州市220kV輸電線路濕度、溫度、雨量、覆冰厚度等歷史數(shù)據(jù)，建立了SVM忻州輸電線路覆冰厚度辨識模型。針對SVM方法，通過對不同的核函數(shù)、參數(shù)的分析，確立了最優(yōu)的核函數(shù)和相關(guān)參數(shù),利