基于数据驱动算法和LS-SVM的输电线路覆冰预测

被引：16

作者：

黄宵宁 ^{[1
]}

许家浩 ^{[1
]}

杨成顺 ^{[1
]}

王娇 ^{[1
]}

谢家佳 ^{[2
]}

机构：

[1] 南京工程学院电力工程学院

[2] 国网浙江省电力公司运营监控中心

来源：

电力系统自动化 | 2014年 / 38卷 / 15期

关键词：

输电线路; 短期覆冰预测; 最小二乘支持向量机; k均值邻近算法;

D O I：

暂无

中图分类号：

TM752 [导线的架设、施工];

学科分类号：

080802 ;

摘要：

输电线路的严重覆冰给电网的安全生产带来了极大的危害。针对线路覆冰与气象条件的数学描述模型不能很好地反应冰厚与微气象条件的关系和基于全局数据的智能覆冰预测算法复杂、准确度低,无法实现在线预测的难题,文中采用数据驱动的思想,以矢量的方式看待覆冰样本数据,提出一种基于数据驱动算法和最小二乘支持向量机(LS-SVM)覆冰预测模型。该方法在k均值邻近算法的基础上对覆冰历史数据进行优化选择,充分利用LS-SVM需求样本数量少、训练速度快、泛化能力强等特点对输电线路覆冰模型进行快速建模。算例表明了所提算法的有效性和正确性。

引用

页码：81 / 86

页数：6

共 14 条

[1]

基于局部学习策略的非线性系统多模型建模与控制.[D].潘天红.上海交通大学.2007, 04

[2] Cross-validation methods [J].