【技术实现步骤摘要】
一种基于CEEMD
‑
PPSO
‑
LSSVM的输电线路覆冰厚度预测方法及系统
[0001]本专利技术涉及输电线路安全检测
,尤其涉及一种基于CEEMD
‑
PPSO
‑
LSSVM的输电线路覆冰厚度预测方法及系统。
技术介绍
[0002]输电线路覆冰可能导致线路过载、跳闸、导线舞动、绝缘子闪络甚至造成断线,倒塔等事故,严重危害电力系统的安全运行。一些重要的输电线路跨越地域广,线路所经地形复杂,在出现极端恶劣环境下出现覆冰灾害时,人工巡线的难度大,所以如何对输电线路覆冰进行可靠的发展趋势预测,通过覆冰趋势信息为电力部门进行调度、融冰、运维决策提供依据,对于输电线路和电网安全稳定运行具有重要的意义。目前,关于输电线路覆冰厚度的预测已经成为电力行业的重要任务之一。
[0003]为了准确预测输电线路覆冰的厚度,国内外学者已经做过大量研究。目前关于输电线路覆冰厚度的预测方法,主要有物理理论模型、统计学模型、机器学习模型等三种模型。文献[常恒.基于动态拉力和倾角的输电线路覆冰预测与试验研究[D].重庆大学,2013]根据静力学力矩平衡原理提出一种基于拉力与倾角的输电线路覆冰预测模型。
[0004]1.物理理论模型:
[0005]文献[张乐,周步祥,王小红,等.导线覆冰监测系统的力学模型与预警功能优化[J].电力系统及其自动化学报,2014,26(11):42
‑
46.]对线路覆冰进行力学分析,考虑耐张绝缘子串等不均 ...
【技术保护点】
【技术特征摘要】
1.一种基于CEEMD
‑
PPSO
‑
LSSVM的输电线路覆冰厚度预测方法,其特征在于,包括以下步骤:S1.对输电线路的原始覆冰数据进行归一化处理,得到归一化覆冰数据;S2.通过CEEMD对所述归一化覆冰数据进行分解,得到n个IMF分量和一个残余分量RES;S3.利用优化后的LSSVM对n个所述IMF分量和一个所述残余分量RES进行预测,得到n+1个预测值;S4.将n+1个所述预测值进行叠加;S5.将叠加后的预测值进行反归一化处理,即得到预测的覆冰厚度。2.根据权利要求1所述的一种基于CEEMD
‑
PPSO
‑
LSSVM的输电线路覆冰厚度预测方法,其特征在于,所述对输电线路的原始覆冰数据进行归一化处理,包括:采用离差标准化的方法对原始覆冰数据进行归一化处理,过程表达为:式中,u
g
为归一化后的覆冰厚度值;u为初始覆冰厚度值;u
min
为最小覆冰厚度值;u
max
为最大覆冰厚度值。3.根据权利要求1所述的一种基于CEEMD
‑
PPSO
‑
LSSVM的输电线路覆冰厚度预测方法,其特征在于,所述通过CEEMD对所述归一化覆冰数据进行分解,包括:S21.在原始信号sig
ori
中加入对称白噪声K(t),产生新信号sig
new
,表达为:sig
new
(t)=sig
ori
(t)+K(t)S22.将sig
new
进行EMD分解,得到IMF
(n)
和残余函数R
(n)
,表达为:IMF1=sig
new
‑
c1式中,c1为原始信号的上下包络平均值;IMF1为分解后的第一个分量;新的表达式变为:IMF(n)即为所述IMF分量,R(n)即为所述残余分量RES。4.根据权利要求1所述的一种基于CEEMD
‑
PPSO
‑
LSSVM的输电线路覆冰厚度预测方法,其特征在于,所述LSSVM的优化方法为利用PPSO算法确定出LSSVM的惩罚因子C和RBF核函数宽度δ,步骤包括:S01.初始化PPSO算法参数,令空间维数D为2,种群规模N为50,惯性权重随分段函数非线性递减,惯性权重最大值ω
max
和最小值ω
min
分别为0.95和0.3,最大迭代次数S为200,加速系数α为1.4,减速系数β为
‑
1.7,加速因子c1、c2均为2;S02.把惩罚因子C和RBF核函数宽度δ作为粒子,设置当前个体最优解C=100,δ为1.5,计算各粒子的适应度值,开始迭代后的每一次迭代都更新粒子的位置和速度,得到新的一组惩罚因子C和RBF核函数宽度δ;S03.把新的一组惩罚因子C和RBF核函数宽度δ输入LSSVM预测模型,对样本数据进行训练,计算新的适应度;S04.将新的适应度值与当前适应度值进行比较,若新适应度值优于当前适应度值,则
将新适应度值作为当前最优适应度值,反之则不变;S05.判断当前适应度值是否满足预测要求或算法是否达到最大迭代次数:若是,则输出最优的C和δ值,若不是,则返回S02继续迭代,直至输出最优的C和δ值;S06.将最优的C和δ值赋值给LSSVM预测模型。5.根据权利要求1所述的一种基于CEEMD
‑
PPSO
‑
...
【专利技术属性】
技术研发人员:曹阳,李小双,彭小峰,高会翔,王鑫,
申请(专利权)人:重庆理工大学,
类型:发明
国别省市:
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。