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

被引：13

作者：

尹世锋 ^{[1
,2
]}

卢勇 ^{[3
]}

王闸 ^{[3
]}

李鹏 ^{[2
]}

徐克举 ^{[4
]}

机构：

[1] 昆明理工大学电力工程学院

[2] 云南电网公司博士后研究生工作站

[3] 云南电网公司电力研究院

[4] 华北电力大学能源与动力工程学院

来源：

电力科学与工程 | 2012年 / 28卷 / 11期

关键词：

蚁群算法; 小波神经网络; 覆冰厚度预测;

D O I：

暂无

中图分类号：

TM75 [线路及杆塔];

学科分类号：

080802 ;

摘要：

在云南电网公司输电线路综合运行工况实时监测系统各监测装置采集的线路等效覆冰数据和微气象数据的基础上,建立了一种基于连续型蚁群算法的小波神经网络模型,用连续型蚁群算法代替小波神经网络的梯度下降法,调节小波神经网络的权值和伸缩、平移系数,以此来实现对于在恶劣气候条件下架空输电线路覆冰厚度的预测。

引用

页码：28 / 31

页数：4

共 6 条

[1] 一种基于遗传算法和神经网络的故障诊断方法 [J].

李慧玲 ;

李春明 .

电力科学与工程, 2011, 27 (04) :43-47

[2] 小波神经网络模型的改进及其应用 [J].

杨娜 ;

付强 ;

王淑丽 ;

李荣东 ;

朱萍萍 ;

张少坤 ;

杨先野 .

系统工程理论与实践, 2009, 29 (01) :168-173

[3] 小波分析在故障诊断中的应用 [J].

周小勇 ;

叶银忠 .

控制工程, 2006, (01) :70-73

[4] 用于连续函数优化的蚁群算法 [J].

陈烨 .

四川大学学报(工程科学版), 2004, (06) :117-120

[5]

小波分析及其应用[M]. 机械工业出版社 , 孙延奎编著, 2005

[6]

输电线路覆冰及防护[M]. 中国电力出版社 , 蒋兴良,易辉编著, 2002

← 1 →