本文選題：覆冰厚度預(yù)測 + 關(guān)聯(lián)分析　； 參考：《華北電力大學》2017年碩士論文

【摘要】：輸電線路覆冰常常對電網(wǎng)的安全運行構(gòu)成嚴重的威脅,因此針對覆冰的在線監(jiān)測及預(yù)測、預(yù)警技術(shù)的研究,是保障輸電線路安全穩(wěn)定運行的關(guān)鍵,也是建設(shè)智能化輸電體系的要求。本文運用機器學習智能算法對線路覆冰的智能預(yù)測進行了研究,具體工作如下:1)研究了輸電線路覆冰機理和覆冰形態(tài),分析了輸電線路中雨凇覆冰、混合凇覆冰和霧凇覆冰等多種覆冰形態(tài),并從不同的分類標準描述了相應(yīng)的線路覆冰類型及其特征。2)分析了在線監(jiān)測數(shù)據(jù)庫中的覆冰數(shù)據(jù),通過對這些數(shù)據(jù)的大量篩選和預(yù)處理,挑選出可用于預(yù)測實驗的完整覆冰過程數(shù)據(jù)。運用灰色關(guān)聯(lián)分析方法將對覆冰等效厚度進行了關(guān)聯(lián)分析,得出了影響輸電線路覆冰的關(guān)鍵影響因素,并將這些關(guān)鍵因素作為后文中建模的輸入量。3)研究了基于極限學習機(ELM)的輸電線路覆冰預(yù)測模型,利用遺傳算法對ELM網(wǎng)絡(luò)的參數(shù)進行了優(yōu)化,提出了改進型的極限學習機覆冰等效厚度預(yù)測模型。最后通過預(yù)測實驗,證明了此模型的覆冰預(yù)測精度高于BP神經(jīng)網(wǎng)絡(luò)和GRNN神經(jīng)網(wǎng)絡(luò)。4)提出了一種新的線路覆冰厚度預(yù)測思路,首先從覆冰歷史數(shù)據(jù)分析出發(fā),通過主成分分析方法對實驗數(shù)據(jù)進行降維后,然后利用基于思維進化算法優(yōu)化的支持向量機進行覆冰厚度預(yù)測,達到了更理想的實驗效果。
[Abstract]:The icing of transmission lines often poses a serious threat to the safe operation of the power network. Therefore, the research of on-line monitoring and prediction and early warning technology for icing is the key to ensure the safe and stable operation of transmission lines. It is also the requirement of building intelligent transmission system. In this paper, the intelligent prediction of icing on transmission lines is studied by using machine learning intelligent algorithm. The detailed work is as follows: 1) the mechanism and form of icing on transmission lines are studied, and the icing of rime in transmission lines is analyzed. The ice forms of mixed rime and rime icing are analyzed, and the icing data in the online monitoring database are analyzed according to different classification criteria. Through a large number of screening and preprocessing of these data, the complete ice process data which can be used to predict the experiment are selected. The equivalent thickness of icing is analyzed by using the method of grey correlation analysis, and the key factors affecting the icing of transmission lines are obtained. Taking these key factors as input quantity. 3) the ice prediction model of transmission line based on LLM) is studied. The parameters of ELM network are optimized by genetic algorithm. An improved prediction model of the ice equivalent thickness of the ultimate learning machine is presented. Finally, through prediction experiments, it is proved that the prediction accuracy of this model is higher than that of BP neural network and GRNN neural network. After reducing the dimension of the experimental data by principal component analysis (PCA), the ice thickness prediction is carried out by using the support vector machine (SVM), which is optimized by the thought evolution algorithm, and the experimental results are more satisfactory.
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP18;TM75

【參考文獻】

相關(guān)期刊論文 前10條

1 黃俊;馮勇建;;基于思維進化神經(jīng)網(wǎng)絡(luò)的真空絕熱板真空度測量精度改進方法研究[J];真空科學與技術(shù)學報;2015年05期

2 陸彬;高山;孫遜;羅保松;任禹丞;;不同直徑下導(dǎo)線覆冰增長特性[J];高電壓技術(shù);2014年02期

3 辛闊;吳小辰;和識之;;電網(wǎng)大停電回顧及其警示與對策探討[J];南方電網(wǎng)技術(shù);2013年01期

4 朱艷偉;石新春;但揚清;李鵬;劉文穎;魏德冰;付超;;粒子群優(yōu)化算法在光伏陣列多峰最大功率點跟蹤中的應(yīng)用[J];中國電機工程學報;2012年04期

5 張志勁;蔣興良;胡建林;孫才新;舒立春;胡琴;;雪峰山自然環(huán)境試驗站覆冰試驗技術(shù)[J];高電壓技術(shù);2011年09期

6 黃新波;李佳杰;歐陽麗莎;李立mg;羅兵;;采用模糊邏輯理論的覆冰厚度預(yù)測模型[J];高電壓技術(shù);2011年05期

7 劉春城;劉佼;;輸電線路導(dǎo)線覆冰機理及雨凇覆冰模型[J];高電壓技術(shù);2011年01期

8 陽林;郝艷捧;李立mg;朱功輝;黎小林;;采用多變量模糊控制的輸電線路覆冰狀態(tài)評估[J];高電壓技術(shù);2010年12期

9 韓葉良;蘇國鋒;袁宏永;馬偉;;基于粗糙集的電網(wǎng)覆冰事故預(yù)警模型[J];清華大學學報(自然科學版);2010年12期

10 張忠社;王章杰;竇秋萍;;輸電線路覆冰狀況探討[J];新疆電力技術(shù);2010年04期

相關(guān)博士學位論文 前1條

1 陳慶前;電力系統(tǒng)安全風險評估與應(yīng)急體系研究[D];華中科技大學;2012年

相關(guān)碩士學位論文 前2條

1 楊海;SVM核參數(shù)優(yōu)化研究與應(yīng)用[D];浙江大學;2014年

2 黃筱婷;基于在線監(jiān)測數(shù)據(jù)的輸電線路覆冰短期預(yù)測研究[D];華南理工大學;2013年

，

本文編號：1914739