基于VMD-ABAS-LSSVM的线损率预测模型

摘要：

针对地区电网220 kV线路线损率数据呈现波动、非平稳的情况,为提高线损率预测精度,使用变分模态分解(variational mode decomposition,VMD)算法,将原始线损率时间序列分解为不同频率尺度的子序列,再利用最小二乘支持向量机(least squares support vector machine,LSSVM)模型进行线损预测.为了提高LSSVM模型的子序列预测精度,采用自适应天牛须搜索(adaptive beetle antennae search,ABAS)算法进行参数优化.与标准天牛须搜索(beetle antennae search,BAS)算法相比,ABAS算法采用了天牛多向感知模型,引入了变步长探路反馈更新策略,具备更快的收敛速度与更强的寻优能力.最后以湖北黄石地区220 kV栖儒桥—栖宫线的真实数据为例进行算法验证,结果表明所提出的VMD-ABAS-LSSVM模型能更有效地对线损率进行准确预测.

关键词：线损率预测、变分模态分解、自适应天牛须搜索算法、最小二乘支持向量机、220kV电网

所属期刊栏目：34

分类号：TM744.1;TP183(输配电工程、电力网及电力系统)

资助基金：国网湖北省电力有限公司科技项目52153218003N

在线出版日期：2021-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：69-77