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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。