基于SSA-LSSVM的高纬度严寒地区变电站LCC预测模型制造技术

本发明专利技术属于电力技术领域，尤其涉及一种基于SSA‑LSSVM的高纬度严寒地区变电站LCC预测模型。包括如下步骤：设置参数；初始化种群；适应度函数；开始优化；完成优化。本发明专利技术采用SSA算法寻找LCC预测模型参数的全局最优解，将所得到的最优参数组合作为LS‑SVM的参数，有利于预测模型精度的提高。并建立基于SSA算法优化变电站LCC预测模型。本发明专利技术通过算例，与其它预测模型的预测结果进行对比分析，验证了SSA优化LS‑SVM预测模型性能的优越性，可以在新建变电站时，实现快速且精度高的变电站LCC预测，有助于实现高纬度严寒地区变电站的经济技术评估。

LCC Prediction Model of Substation in High Latitude and Severe Cold Area Based on SSA-LSSVM

The invention belongs to the field of electric power technology, in particular to a LCC prediction model for substations in high latitude and severe cold areas based on SSA LSSVM. It includes the following steps: setting parameters; initializing population; fitness function; starting optimization; completing optimization. The method adopts SSA algorithm to find the global optimal solution of LCC prediction model parameters, and takes the optimal combination of parameters as the parameters of LS SVM, which is beneficial to improving the accuracy of prediction model. The LCC prediction model of substation is optimized based on SSA algorithm. The method validates the superiority of SSA optimizing LS SVM prediction model by comparing and analyzing the prediction results of other prediction models through an example. It can realize fast and high precision LCC prediction of substations when new substations are built, and is helpful to realize economic and technical evaluation of substations in high latitude and severe cold areas.

【技术实现步骤摘要】
基于SSA-LSSVM的高纬度严寒地区变电站LCC预测模型
本专利技术属于电力
，尤其涉及一种基于SSA-LSSVM的高纬度严寒地区变电站LCC预测模型。
技术介绍
随着我国大规模远距离输电网的建设，高纬度严寒地区的变电站的建设日益增多，高纬度严寒地区由于低温、冻土等特有环境气候条件导致其变电站建设初期投资成本明显高于其它地区且影响后期运维成本，亟需建立适应于高纬度严寒地区的变电站LCC预测模型，以提高电网资产管理效率。中国的变电站投资建设多以全过程管理为主，即只重视各部门自身利益，依靠节约的方式降低变电站的建设成本，而往往忽略了变电站的后期运维成本、故障检修成本以及技改或报废成本等，致使我国大多数变电站项目管理出现效率较低，长期处于高成本、低收益的状况。为改变这种情况，需要从长远角度来规划指导变电站的建设。全寿命周期成本，简称LCC，理论应用于变电站的建设中，在保障可靠性的前提下，可以将变电站项目建设运营周期内所有费用作为整体进行考虑，并平衡各个阶段的成本，从而最终降低变电站项目的整个寿命周期成本，提高变电站项目的经济性。现有技术中如：1、池建昆，陈亮。电力设备资产全寿命周期管理研究与探讨[J]，会计之友，2011(36):80-82。通过制定和执行一些实用性强且有针对性的政策、法规，来科学管理资金的投入，从初始投资成本和后期维护成本两个角度出发寻求性价比最高的电力设备。2、易永辉,王坤,王震学,陶永健,刘永欣,牛强,姜帅。基于全寿命周期管理的智能变电站应用方案研究[J].电力系统保护与控制,2010,38(13):99-103。基于全寿命周期管理理论设计了一种智能变电站应用方案显著提高系统集成度，减少运行维护费用，并降低变电站自动化系统全寿命周期成本。然而，由于中国现行的变电站投资机制和运行管理机制的局限，LCC技术要实现完全投入实践还需要一段时间，尤其是目前缺乏全面、精细的变电站LCC计算及预测数学模型。3、杨西锋.高纬度严寒地区高速铁路路基防冻胀设计研究[J].铁道标准设计,2014,58(08):6-12.朱岳梅,李炳熙,刘京,刘生军,赵志庆.高纬度严寒地区建筑容积率对局地热气候的影响[J].建筑科学,2012,28(06):78-83+91.费万堂,马雨峰,王兰普,陈磊,王波,高昌炎.高寒地区抽水蓄能电站地下厂房施工期通风、保暖、散烟系统研究[J].水利水电技术,2017,48(04):90-98.高纬度严寒地区(以下简称“高寒地区”)由于其低温期长、多风且风速大及冻土层深等特殊条件不利于变电站正常建设，并且对变电站的运维成本会产生较大的影响。如高寒地区冻土面积大且封冻时间长，冻土长时间处于封冻状态，在冬季较低的气温下结冰膨胀、夏季气温上升进而融化沉降，这些冻土区的存在使变电站的建设以及运维面临着很大程度的挑战。高寒地区还具有年际温差大、干湿交替频繁、冷融循环剧烈等不良条件，冬季的气温较全国其他地区而言偏低，且持续的时间长，如上述三篇文献。由于其特有的低温、冻土等条件，致使高纬度严寒地区变电站的建设施工成本以及运行维护成本远高于常规地区的变电站成本，而已有对变电站的LCC研究中均未考虑高寒地区的特殊条件。随着大规模远距离电力输送的发展，高寒地区变电站的建设日益增多，为了更好的管理变电站的投资建设，有必要针对高寒地区的变电站LCC进行专门的研究。4、路石俊，内蒙古500kV变电站全生命周期成本管理研究[D].北京：华北电力大学，2010。变电站寿命周期长，决定其LCC的基础数据获取难度大且实际数据搜集周期长。此外，随着全寿命周期成本的阶段划分精细化，导致计算量的增加且需消耗大量的人力物力，而人为主观因素对变电站成本的划分及核算有较大的影响，使得全寿命周期成本的核算结果客观性下降。因此，需要借助数学模型对变电站的LCC进行高效、合理的预测，以更好的指导变电站的规划建设及后期运维等，提高变电站LCC核算的实用性。随着智能算法的兴起，文献[7]采用非线性能力较为优异的神经网络来建立变电站LCC预测模型，选取了某些特征指标进行训练，解决了参数繁杂、估算难度大、客观性低等问题，预测模型有一定的效果。然而历史数据的匮乏导致变电站LCC建模符合小样本的特点，神经网络在小样本的情况下，容易陷入过拟合和局部最优，导致预测精度大为降低。现在常用的有遗传算法、粒子群算法等常用算法工具对最小二乘支持向量机的参数进行寻优，但是此类方法在寻优过程中容易陷入局部最优的境地，导致无法得出最优值。
技术实现思路
针对上述现有技术存在的问题，本专利技术提出一种基于SSA-LSSVM的高纬度严寒地区变电站LCC预测模型，其目的是为了能够实现快速且精度高的变电站LCC预测，有助于实现高纬度严寒地区变电站的经济技术评估的专利技术目的。为实现上述专利技术目的，本专利技术是通过以下技术方案实现的：基于SSA-LSSVM的高纬度严寒地区变电站LCC预测模型，包括如下步骤：第一步.设置参数；第二步.初始化种群；第三步.构造适应度函数；第四步.开始优化；第五步.完成优化。所述第一步.设置参数；SSA的参数包括：搜索代理的数量SearchAgents_no、最大迭代次数Max_iteration、变量个数dim、上界ub＝[ub1、ub2、ub3、…、ubn-1、ubn]和下界lb＝[lb1，lb2，lb3，…lbn-1，lbn]属于变量；SearchAgents_no＝50；Max_iteration＝300；dim＝2；ub＝[1000；2000]；lb＝[1；1]。所述第二步.初始化种群；在设置了五个基本参数之后，通过方程公式(10)生成随机salp种群作为迭代的开始，并且迭代的初始值设为1：S(i,j)＝rand(i,j)×(ub(i)-lb(i))+lb(i)(10)。所述第三步.构造适应度函数；是利用所提出的SSA-LSSVM模型对变电站LCC进行预测，利用SSA方法得到LSSVM模型的两个最优参数，并将这两个参数输入LSSVM模型对变电站LCC进行预测，而适应度函数是基于用平均绝对误差MAE原理计算实际值与预测值之间的误差，如方程公式(11)所示：公式(11)中，x(k)为变电站LCC实际值；是变电站LCC的预测值。所述第四步.开始优化；在第一种群的初始值生成的基础上，计算所有salp的适应度，并将具有最佳适应度的salp的位置设置为变量F，并需要在每次迭代过程中设置；在识别出变量F之后，领导者和跟随者通过更新它们的位置，以获得全局最优值。所述第五步.完成优化；在每次的迭代中可以得到最佳的salp位置和最佳适应度；当达到最大迭代次数时，迭代结束，然后对所有的适应度值进行排序并选出最优值，与此同时得到了与所选择的最优值对应的最佳slap位置；因此，LSSVM模型中最佳正规化参数“C”和RBF核函数的最佳带宽σ由SSA确定。所述的基于SSA-LSSVM的高纬度严寒地区变电站LCC预测模型，其特征是：包括以下步骤：(1)数据预处理：数据来源于国网下属某省级电网公司科技项目甲方提供，包括30组变电站全寿命周期成本相关参数：初始投资成本、变电站的运行年限、年平均最低气温、年平均风速、冻土深度、通货膨胀率、运行维护费率、年平均检修成本、年平均设备本文档来自技高网...

【技术保护点】
1.基于SSA‑LSSVM的高纬度严寒地区变电站LCC预测模型，其特征是：包括如下步骤：第一步.设置参数；第二步.初始化种群；第三步.构造适应度函数；第四步.开始优化；第五步.完成优化。

【技术特征摘要】
1.基于SSA-LSSVM的高纬度严寒地区变电站LCC预测模型，其特征是：包括如下步骤：第一步.设置参数；第二步.初始化种群；第三步.构造适应度函数；第四步.开始优化；第五步.完成优化。2.根据权利要求1所述的基于SSA-LSSVM的高纬度严寒地区变电站LCC预测模型，其特征是：所述第一步.设置参数；SSA的参数包括：搜索代理的数量SearchAgents_no、最大迭代次数Max_iteration、变量个数dim、上界ub＝[ub1、ub2、ub3、…、ubn-1、ubn]和下界lb＝[lb1，lb2，lb3，…lbn-1，lbn]属于变量；SearchAgents_no＝50；Max_iteration＝300；dim＝2；ub＝[1000；2000]；lb＝[1；1]。3.根据权利要求1所述的基于SSA-LSSVM的高纬度严寒地区变电站LCC预测模型，其特征是：所述第二步.初始化种群；在设置了五个基本参数之后，通过方程公式(10)生成随机salp种群作为迭代的开始，并且迭代的初始值设为1：S(i,j)＝rand(i,j)×(ub(i)-lb(i))+lb(i)(10)。4.根据权利要求1所述的基于SSA-LSSVM的高纬度严寒地区变电站LCC预测模型，其特征是：所述第三步.构造适应度函数；是利用所提出的SSA-LSSVM模型对变电站LCC进行预测，利用SSA方法得到LSSVM模型的两个最优参数，并将这两个参数输入LSSVM模型对变电站LCC进行预测，而适应度函数是基于用平均绝对误差MAE原理计算实际值与预测值之间的误差，如方程公式(11)所示：公式(11)中，x(k)为变电站LCC实际值；是变电站LCC的预测值。5.根据权利要求1所述的基于SSA-LSSVM的高纬度严寒地区变电站LCC预测模型，其特征是：所述第四步.开始优化；在第一种群的初始值生成的基础上，计算所有salp的适应度，并将具有最佳适应度的salp的位置设置为变量F，并需要在每次迭代过程中设置；在识别出变量F之后，领导者和跟随者通过更新它们的位置，以获得全局最优值。6.根据权利要求1所述的基于SSA-LSSVM的高纬度严寒地区变电站LCC预测模型，其特征是：所述第五步.完成优化；在每次的迭代中可以得到最佳的salp位置和最佳适应度；当达到最...

【专利技术属性】
技术研发人员：刘良，姜光伟，杜文越，冷欧阳，刘素伊，孙杨，段雅娜，王盼盼，张宇，郑凯，张薇，王姣，包晗，李荃江，董庆寰，刘建飞，范晓奇，姜紫薇，黄浩然，王冶，赵树野，薛韵辞，
申请(专利权)人：国网内蒙古东部电力有限公司经济技术研究院，国网经济技术研究院有限公司蒙东分公司，国网内蒙古东部电力设计有限公司，国家电网有限公司，国网经济技术研究院有限公司，
类型：发明
国别省市：内蒙古,15