基于AMPSO和GRNN的绝缘子污秽度预测模型

摘要：

绝缘子表面沉积的污秽物是造成污闪事故的主要原因,而污闪事故对电力系统的安全稳定运行构成较大威胁,因此,需要定期对输电线路绝缘子进行检修和清扫作业以避免污闪事故发生.针对此,利用广义回归神经网络(general regression neural network,GRNN)来预测绝缘子表面等值附盐密度(equivalent salt deposit density,ESDD),但GRNN中平滑因子的取值对网络的预测性能有较大影响,因而利用自适应变异粒子群(adaptive mutation particle swarm optimization, AMPSO)算法来选取GRNN的最佳平滑因子.进一步提出经AMPSO优化的GRNN对绝缘子污秽度的预测模型,预测结果表明,所提优化预测模型可以对绝缘子的ESDD数值进行有效预测,且预测误差相对较小.

关键词：绝缘子、等值附盐密度、预测模型、自适应变异粒子群、广义回归神经网络

所属期刊栏目：30

分类号：TM216(电工材料)

资助基金：国家电网公司重大基础前瞻科技项目SG20141187

在线出版日期：2017-08-30（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：76-82