基于粒子群算法优化支持向量机的输电线路覆冰预测

被引：15

作者：

尹子任

苏小林

机构：

[1] 山西大学工程学院

来源：

电力学报 | 2014年 / 29卷 / 01期

关键词：

覆冰预测; 粒子群优化; 支持向量机;

D O I：

10.13357/j.cnki.jep.000004

中图分类号：

TM752.5 [];

学科分类号：

080802 ;

摘要：

分析了现有输电线路覆冰厚度预测方法中的不足,提出了一种基于粒子群算法优化支持向量机的输电线路覆冰预测。通过历史覆冰增长数据样本对支持向量机进行训练,利用训练的模型对线路覆冰厚度进行预测。同时利用粒子群优化算法对支持向量机关键参数进行优化,有效提高了覆冰厚度预测精度,为输电线路防冰提供了可靠依据。

引用

页码：6 / 9+61 +61

页数：5

共 10 条

[1] 基于CACA-WNN的恶劣气候条件下架空输电线路覆冰厚度的预测 [J].

尹世锋 ;

卢勇 ;

王闸 ;

李鹏 ;

徐克举 .

电力科学与工程, 2012, 28 (11) :28-31

[2] 神经网络在输电线覆冰增长因素中的应用 [J].

黄晶 ;

罗晓曙 .

广西师范大学学报(自然科学版), 2011, 29 (04) :25-27

[3] 架空线路覆冰闪络跳闸特性分析与风险建模 [J].

孙羽 ;

王秀丽 ;

王建学 ;

王锡凡 .

中国电机工程学报, 2011, 31 (31) :149-158

[4] 输电线路导线覆冰机理及雨凇覆冰模型 [J].

刘春城 ;

刘佼 .

高电压技术, 2011, 37 (01) :241-248

[5] 高分辨率SAR图像中特高压铁塔覆冰特性分析 [J].

胡毅 ;

王力农 ;

刘凯 ;

胡建勋 ;

刘艳 ;

刘庭 ;

肖宾 .

高电压技术, 2010, 36 (07) :1589-1593

[6] 环境参数对导线覆冰厚度影响的试验分析 [J].

蒋兴良 ;

申强 .

高电压技术, 2010, 36 (05) :1096-1100

[7] 支持向量机回归的参数选择方法 [J].

闫国华 ;

朱永生 .

计算机工程, 2009, 35 (14) :218-220

[8] 一种基于支持向量机回归的推荐算法 [J].

王宏宇 ;

糜仲春 ;

梁晓艳 ;

叶跃祥 .

中国科学院研究生院学报, 2007, (06) :742-748

[9] 粒子群优化算法 [J].

周驰 ;

高海兵 ;

高亮 ;

章万国 .

计算机应用研究, 2003, (12) :7-11

[10] 支持向量机回归理论与控制的综述 [J].

王定成 ;

方廷健 ;

唐毅 ;

马永军 .

模式识别与人工智能, 2003, 16 (02) :192-197

← 1 →