基于BP神经网络的导线脱冰跳跃高度预测模型

作者：文楠; 严波^*; 林翔; 黄桂灶; 吕中宾; 张博

来源：振动与冲击, 2021, 40(01): 199-204.

DOI：10.13465/j.cnki.jvs.2021.01.026

• 导线
• 数值模拟
• 脱冰跳跃高度预测
• BP神经网络
• 机器学习

冰区导线脱冰振动会引起绝缘间隙减小,严重时甚至导致闪络和跳闸等电气事故。首先利用数值方法模拟得到各种参数条件下导线的脱冰动力响应,获得导线的最大脱冰跳跃高度。进而基于数值模拟结果和BP神经网络构建导线脱冰跳跃高度预测模型,将线路的导线分裂数、导线型号、档距、高差等结构参数以及初始应力、覆冰厚度和脱冰率等载荷参数作为输入,最大冰跳高度作为输出,通过机器学习,并采用评价指标评估其准确性,对模型进行优化。该模型可以方便快捷地确定导线的最大脱冰跳跃高度,为冰区输电线路绝缘间隙设计提供参考。

• 单位
  航天学院; 河南省电力公司电力科学研究院; 重庆大学