10.19781/j.issn.1673-9140.2020.06.017
输电线路PSOEM-LSSVM覆冰预测模型
针对输电线路覆冰厚度预测方法存在的收敛速度慢、预测精度差等问题,考虑覆冰厚度影响因素,提出一种采用扩展记忆粒子群(PSOEM)进行参数寻优的方法,并将其应用到最小二乘支持向量机(LSSVM)中进行覆冰厚度预测.该方法在传统粒子群算法中引入扩展记忆因子,使粒子具有更强的搜索能力,从而加快收敛速度,提高预测精度.最后,采用实际线路覆冰数据对预测模型进行精度检验,结果表明,基于PSOEM-LSSVM预测模型的平均相对误差均小于3%,与其他模型相比,预测效果最好.
输电线路、覆冰预测、扩展记忆粒子群、最小二乘支持向量机
35
TM752(输配电工程、电力网及电力系统)
电网环境保护国家重点实验室开放基金GYW51201700590
2020-12-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
131-137