[發明專利]一種基于粒子群優化小波神經網絡輸電線路覆冰預測的方法

在審

• 申請號: 201811140497.1
• 申請日: 2018-09-28
• 公開（公告）號: CN109492792A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 李英娜;楊靜;李川
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種基于粒子群優化小波神經網絡輸電線路覆冰預測的方法，屬于輸電線路覆冰預測技術領域。本發明首先對輸電線路覆冰厚度數據進行預處理；其次利用粒子群算法優化小波神經網絡，通過各個粒子在其搜索空間內搜索到最優的各層間的連接權值和節點的閾值，確定小波神經網絡的各參數；最后訓練并測試基于粒子群優化小波神經網絡輸電線路覆冰預測模型。本發明利用粒子群優化小波神經網絡建立模型建模，克服了人工神經網絡易陷入局部最優的固有缺陷，并且能夠有效利用覆冰厚度自身歷史數據進行預測，減少微氣象等因素對預測精度的影響，預測簡單便于工程實現。

技術領域

本發明涉及一種基于粒子群優化小波神經網絡輸電線路覆冰預測的方法，屬于輸電線路覆冰預測技術領域。

背景技術

近些年，國家加大對電力事業的投資和建設，大量高壓、特高壓電網應運而生。這些架設在野外的高壓輸電線路，在寒冷的冬季容易受到冰凍災害的影響，從而產生覆冰。嚴重時可能會造成斷線、倒塔、絕緣子冰閃、通信中斷等線路覆冰事故，甚至因為搶修困難，很容易造成本地區的長時期大面積停電，嚴重影響老百姓的日常生活，給我國的工農業生產也造成了巨大的經濟損失。頻繁遭受冰災，暴露出電網由于缺乏有效的監測手段和預警機制，無法提前掌握線路的覆冰情況，導致覆冰線路跳閘或斷線等突發事故時常發生。從輸電線路的覆冰、倒塔、冰閃等事故發生的過程可以看出，輸電線路事故一般滯后惡劣天氣幾天的時間發生，這表明若能夠預測輸電線路的覆冰狀況，及時采取措施，可以將惡劣的天氣給輸電線路帶來的各類損失降低到最低的水平。

輸電線路覆冰預測公知方法有基于模糊邏輯理論的輸電線路覆冰厚度預測模型、基于粗糙集的輸電線路覆冰預測模型、多變量模糊控制技術的輸電線路覆冰預測模型等。這些模型受自然微地形、微氣象環境的誤差影響，預測精度不高。

本發明以覆冰厚度時間序列本身為研究對象，充分提取輸電線路覆冰的各種影響因素信息，避開了由于微地形微氣象等外界因素導致的偏差積累。利用粒子群優化小波神經網絡建立預測模型，克服了人工神經網絡方法易陷入局部最優的固有缺陷，也為非線型的覆冰厚度時間序列提供一種新的預測方法。

發明內容

本發明提供了一種基于粒子群優化小波神經網絡輸電線路覆冰預測的方法，以用于解決非線性輸電線路覆冰時間序列的預測面臨的問題，能提高覆冰厚度預測的準確率。

本發明的技術方案是：一種基于粒子群優化小波神經網絡輸電線路覆冰預測的方法，首先、對輸電線路覆冰厚度數據進行預處理；其次利用粒子群算法優化小波神經網絡，通過各個粒子在其搜索空間內搜索到最優的各層間的連接權值和節點的閾值，確定小波神經網絡的各參數；最后訓練并測試基于粒子群優化小波神經網絡輸電線路覆冰預測模型。

所述方法包括以下步驟：

(1)采集輸電線路在線覆冰監測系統中的覆冰厚度時間序列作為預測研究的對象；

(2)對輸電線路覆冰厚度數據進行預處理，將輸入數據歸一化到[0,1]區間內，歸一化公式為：

式中，P為歸一化后的輸入數據；p_a為原始輸入數據；p_min為原始輸入數據最小值；p_max為原始輸入數據最大值；

(3)確定小波神經網絡的結構；將小波神經網絡的層數設為3層，其中輸入層、隱含層和輸出層的神經元個數分別為N_i、N_h、N_o，并且輸入層到隱含層的連接權值表示為W′，隱含層到輸出層的連接權值表示為W″，隱含層神經元小波基函數的伸縮因子和平移因子分別表示為a和b；

(4)確定粒子群中粒子的維數及映射編碼方式；對于小波神經網絡的訓練，其目的是得到優化合理的網絡連接權值及隱層神經元的伸縮因子和平移因子；