输电线路PSOEM-LSSVM覆冰预测模型

作者：刘闯^*; 何沁鸿; 卢银均; 杨凯帆; 黄婧; 何丽娜; 陈磊; 孟遂民

来源：电力科学与技术学报, 2020, 35(06): 131-137.

DOI：10.19781/j.issn.1673-9140.2020.06.017

• 输电线路
• 覆冰预测
• 扩展记忆粒子群
• 最小二乘支持向量机

针对输电线路覆冰厚度预测方法存在的收敛速度慢、预测精度差等问题,考虑覆冰厚度影响因素,提出一种采用扩展记忆粒子群(PSOEM)进行参数寻优的方法,并将其应用到最小二乘支持向量机(LSSVM)中进行覆冰厚度预测。该方法在传统粒子群算法中引入扩展记忆因子,使粒子具有更强的搜索能力,从而加快收敛速度,提高预测精度。最后,采用实际线路覆冰数据对预测模型进行精度检验,结果表明,基于PSOEM-LSSVM预测模型的平均相对误差均小于3%,与其他模型相比,预测效果最好。

• 单位
  三峡大学