基于PCA-GA-LSSVM的输电线路覆冰负荷在线预测模型

作者：陈勇; 李鹏^*; 张忠军; 聂海福; 沈鑫

来源：电力系统保护与控制, 2019, 47(10): 110-119.

DOI：10.19783/j.cnki.pspc.180668

• 输电线路
• 最小二乘支持向量机
• 覆冰预警
• 主成分分析
• 在线预测

针对目前输电线路覆冰负荷预测模型存在的预测精度不足、模型参数选择随意性强、预测效率低等问题,提出了一种基于现场监测数据的输电线路覆冰负荷在线预测模型。首先基于主成分分析法(PrincipalComponent Analysis, PCA)提取微气象数据中的有效信息,并采用遗传优化算法(Genetic Algorithm, GA)对惩罚系数等模型参数进行优化确定,建立离线最小二乘支持向量机(LeastSquaresSupportVectorMachines, LS-SVM)模型。然后基于KKT条件(Karush-Kuhn-Tucker conditions)和增量在线学习算法,实现了回归函数和预测模型的在线更新。最后通过云南电网相关输电线路覆冰灾害的实例进行仿真分析。实验结果表明所提模型可有效地对现场输电线路覆冰负荷进行在线预测,单步长及多步长的预测效果均优于传统的覆冰预测模型,应用该预测模型可更好地为输变电系统的除冰和维护决策服务。

• 单位
  云南电网有限责任公司电力科学研究院; 云南大学