气象过程信息挖掘与输电线路覆冰预测
针对现有覆冰预测回归模型以采样点气象参量预报覆冰值的局限性,提出了一种改进的基于气象过程信息挖掘的覆冰预测方法.按线路覆冰增量将气象参量样本分为覆冰增长、维持、消融3个模糊模式类别,定义了以气象参量样本与模式类别中心的马氏距离为变量的隶属度函数,并在计算马氏距离时采用灰色斜率关联度确定各气象参量的权重.基于此,将隶属度与采样点气象参量结合,形成包含覆冰气象过程信息的高维历史数据样本,采用支持向量机进行覆冰回归模型的训练与预测.算例比较了现有的神经网络、支持向量机预测方法与提出的改进预测方法,结果表明,前两者预测的相对误差均值分别为24.50%和22.66%,而改进的预测方法相对误差均值为6.62%.考虑气象过程信息挖掘的覆冰预测模型具有更高的预测精度.
输电线路、覆冰预测、气象过程信息挖掘、马氏距离、灰色斜率关联度、支持向量机
48
TM71(输配电工程、电力网及电力系统)
国家自然科学基金资助项目51277140
2014-07-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
43-49