基于改进的支持向量机理论在配电线路等值覆冰厚度预报中的应用研究

2018-01-17 10:42吴捷
科技创新与应用 2018年34期
关键词:支持向量机配电线路

吴捷

摘 要:针对目前线路防冰抗冰工作重心主要偏重于主网输电线路弱化了配网防冰工作的缺陷。文章基于支持向量机SVM原理,采用交叉验证法对模型参数进行最优配置,并根据RBF核函数建立最小二乘支持向量机(LS-SVM)预测模型,对配电线路三次覆冰过程中等值覆冰厚度进行预测研究。结果表明:三次覆冰过程中LS-SVM模型与实际覆冰厚度测量值平均相对误差分别为5.46%、2.28%、2.64%,可以看出文章构建的LS-SVM模型具有较好的预报效果,预测精度相对较高。文章研究所得结论对电网公司各级系统运行部应发布配电线路融冰计划,并对配电融冰线路停电进行风险分析,制定并落实风险控制措施具有科学的参考意义。

关键词:配电线路;覆冰;支持向量机;预报;参数

中图分类号:TM752 文献标志码:A 文章编号:2095-2945(2018)34-0014-03

Abstract: At present, the main focus of anti-icing and de-icing work is mainly on the transmission lines of the main network, which weakens the defects of the anti-icing work of the distribution network. Based on the principle of support vector machine (SVM), the cross-validation method is used to optimize the parameters of the model, and the prediction model of least square support vector machine (LS-SVM) is established according to the RBF kernel function. In this paper, the equivalent ice thickness of distribution lines in the process of three times icing is predicted. The results show that the average relative errors between the LS-SVM model and the actual ice thickness measurements are 5.46%, 2.28% and 2.64%, respectively. It can be seen that the LS-SVM model constructed in this paper has a good prediction effect. The prediction accuracy is relatively high. The conclusion of the paper has scientific reference significance for the power grid company at all levels of the system operation department should release the distribution line ice-melting plan and analyze the risk of distribution ice-melting line blackout and formulate and implement risk control measures.

Keywords: distribution line; icing; support vector machine; forecast; parameter

1 概述

根据统计资料显示,我国西南区域输电线路遭受自然灾害损坏中,冰灾是最具威胁的天气事件,与其自然灾害所造成的线路事故相比,冰灾给电网造成的损失更为严重,轻则导致输、变电设备闪络跳闸、金具损坏,重则造成架空线路断线、杆塔倒塌,甚至造成大范围区域电网瘫痪[1-4]。长期以来,线路防冰抗冰工作重心主要偏重于主网输电线路弱化了配网防冰工作,而配網的安全稳定运行直接关系着人民群众日常生活用电可靠性和切身利益,因此有必要加强对配网防冰抗冰工作的重视度。为全面提升配网抗冰能力,响应党的十九大提出的“不断满足人民日益增长的美好生活需要”工作要求,保证配网冰期的供电可靠性,做到人民电业为人民,利用科学的预报技术对配电线路覆冰厚度进行短临预测具有十分重要的意义。同时由于配电线路没有装配覆冰监测系统,不能有效的掌握此类线路覆冰情况,更不能对配电线在大尺度空间范围上进行覆冰厚度预测[5-8]。

因此,本文基于支持向量机SVM原理建立配电线路覆冰厚度短期预测模型,为了进一步优化SVM的预测方法,根据RBF核函数建立最小二乘支持向量机LS-SVM预测模型,预测过程则采用SVM方法对分解信号进行训练和预测,保证了预测精度和速度。本文研究结论对电网公司各级系统运行部应发布配电线路融冰计划,并对配电融冰线路停电进行风险分析,制定并落实风险控制措施具有科学的参考意义。

2 改进的支持向量机法理论

最小二乘支持向量机方法(LS-SVM)改进传统SVM

的损失函数,将二次规划方法升级为最小二乘线性系统,保证了预测结果准确性的同时,降低计算的复杂度,使得求解速度更快,收敛精度更高;改进了目标函数和机器学习能力,原来的不等式约束条件转化为等式约束。这样LS-SVM问题就被简化为求解线性方程组问题,LS-SVM的目标函数可以被定义为:

3 实例分析

本文中配电线路等值覆冰厚度预测性能主要由模型参数决定,模型参数的寻优工作是很重要的,主要是对两种参数寻优,一是惩罚因子C,二是RBF核函数宽度?滓,其中不敏感系数?着变化范围不大,对模型的影响较小,设置常数为0.1。利用结合了交叉验证原理的网络搜索法进行大范围搜索,最终找寻出训练模型均方根误差最小的参数组合。

本文以贵州省毕节市威宁县二塘镇梅花山村35kV水树梅线3次覆冰过程为例,利用上述建立的LS-SVM模型对配电线路3次覆冰过程进行预测研究。本次实验总共选用了235个样本点,每个样本点采样时间间隔5分钟。训练集选择前200个样本进行训练学习,构建预测模型;测试即选择后35个样本进行测试,并与实际测量值对比。采用最小二乘支持向量机回归预测方法,分别对配电线路3次覆冰过程建立预测模型,过程中采用的是RBF核函数,运行的惩罚因子C、核函数宽度系数?滓参数设置如表1所示。

图1为配电线路3次覆冰过程预报结果,从3次覆冰过程结果显示,LS-SVM模型与实际测量值之间的平均相对误差分别为5.46%、2.28%、2.64%。可以看出预测结果能够较好的跟随实际数据,同时在实际数据对比中也能看出预测效果很好,预测精度高。在实际的仿真中通过运用LS-SVM预报模型,预测计算的速度也大大提高了。因此,通過LS-SVM预测方法,提高了对短期配网线路覆冰厚度预测的精度、速度。图2为第一次覆冰过程中现场测量冰厚结果,现场测得配电线路覆冰厚度4.56mm(半径),利用LS-SVM预测模型计算值为4.92mm,进一步验证了本文构建的LS-SVM预测模型在配网线路覆冰厚度预报工作中的应用价值。

4 结束语

本文基于支持向量机的理论研究,利用交叉验证法进行模型参数寻优方法,对主要影响预测性能的因数核函数、惩罚因子进行计算,构建了最小二乘支持向量机预测模型,结合历史数据利用径向基(RBF)核函数对配电线路覆冰厚度进行预测,预测结果表明,算法将不等式约束转化为等式约束,将求解二次规划问题变成求解线性方程组最值问题,降低运算复杂度,使得问题求解速度加快,实际覆冰厚度与预测结果误差较小。

参考文献:

[1]王磊,曹敏,梁仕斌,等.应用于输电线路覆冰状态监测的光纤光栅在线监测技术的研究[J].电瓷避雷器,2014(5):21-24.

[2]史尊伟,阳林,李昊.基于改进Canny算子的覆冰厚度测量方法[J].电瓷避雷器,2013(6):24-29.

[3]张子翀,王健.基于拉力和倾角的输电线路覆冰厚度预测模型[J].广东电力,2015(6):82-86.

[4]李昭廷,郝艳捧.一种基于历史数据的输电线路覆冰增长快速预测方法[J].电瓷避雷器,2012(1):1-7.

[5]黄斌,徐姗姗,苏文宇.输电线路覆冰研究综述[J].电瓷避雷器,2012(1):27-32.

[6]黄新波,欧阳丽莎,王娅娜,等.输电线路覆冰关键影响因素分析[J].高电压技术,2011,37(7):1677-1682.

[7]侯镭,王黎明,朱普轩,等.特高压线路覆冰脱落跳跃的动力计算[J].中国电机工程学报,2008,28(6):1-6.

[8]尹晖,王晶晶.输电线路覆冰与微气象参数和覆冰时间的研究[J].高压电器,2017(12):145-150.

猜你喜欢
支持向量机配电线路
基于改进支持向量机的船舶纵摇预报模型
基于SVM的烟草销售量预测
动态场景中的视觉目标识别方法分析
论提高装备故障预测准确度的方法途径
基于熵技术的公共事业费最优组合预测
配电线路常见故障及其原因与运检管理
论10kV配电线路接地故障分析及预防
基于支持向量机的金融数据分析研究
配电线路运行资料管理自动化的探讨