输电线路导线覆冰AMPSO-BP神经网络预测模型

摘要：

输电线路覆冰严重危害电网安全运行,因此,有必要开展线路覆冰预测研究.随着人工智能技术的不断发展,其在电网覆冰监测中的优势逐渐凸显.现有的基于覆冰增长物理模型和统计回归模型覆冰预测方法,一定程度上实现了通过微气象等因素预测覆冰增长的效果,但大都针对短期覆冰周期,对数据采集频率有很高的要求,实际工程中实现较为困难.因此文章统计分析了重庆市送变电公司2015—2019年线路观冰数据,得到了西南地区高湿环境下输电线路覆冰特性及规律,并依据覆冰增长物理过程选取了工程可测量气象参数作为覆冰影响因素,提出了一种基于自适应变异粒子群算法(adaptive mutation particle swarm optimization algorithm,AMPSO)优化BP神经网络的人工智能覆冰厚度预测模型,优化了BP神经网络的权值阈值选取,优化后的模型在预测精度上要强于单一BP神经网络与已有研究中提出的小波神经网络,具有良好的工程适用性.

关键词：人工智能;线路覆冰厚度预测;自适应变异;BP神经网络

所属期刊栏目：42

分类号：TM75(输配电工程、电力网及电力系统)

资助基金：重庆市送变电工程有限公司科技项目"基于模拟导线的微地形微气象区域输电线路覆冰特性的研究"SGCQSB00GCJS2001034

在线出版日期：2021-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：140-146