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 icing thickness forecasting of overhead transmission line under rough weather based on caca-wnn.pdfVIP

．ECTRlCPOWERgNGINEElNG 第28卷第11期 电力科学与工程 V01．28．No．1l 圈ectric—b哪rSci朗ceand Nov．．2012 2012年11月 En西珊蝴ng 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 尹世锋1’2，卢 勇3，王 闸3，李 鹏2，徐克举4 3．云南电网公司电力研究院，云南昆明650217；4．华北电力大学能源与动力工程学院，北京102206) 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。 关键词：蚁群算法；小波神经网络；覆冰厚度预测 中图分类号：TM216文献标识码：A 究成果尚不多见。本文采用云南电网公司输电线 0 引言 路综合运行工况监测系统各监测装置采集的线路 覆冰数据和微气象数据，建立了基于连续蚁群算法 ant 近些年，由于全球气候变化异常，各种极端 (cAcA，continuouscolony neural 天气现象时有发生，电力系统冰冻灾害发生的频 经网络(wNN，wavelet 率和概率也呈现明显增多和难以预测的趋势。 1998年1月，加拿大遭遇了有历史记录以来一次下架空输电线路覆冰厚度的预测。 最为严重的冰灾事故，俄罗斯、法国和日本和冰 岛等其他国家也都曾发生过严重的冰雪灾害事故。 l CACA—WNN模型的结构和原理 国内有关部门统计，电力系统各种冰雪灾害事故 neuralnet— 已超过数千次。2008年，南方大部分地区遭遇了 人工神经网络(ANN，aItificial 有气象记录以来最为恶劣的4次持续低温、雨雪、 work)的构造来自对于人类大脑神经活动的模拟。 冰冻天气过程，造成了大量输电线路倒杆、倒塔 小波神经网络是小波分析和BP神经网络耦合的 事故的发生，对整个电网的安全运行造成了严重 结果，是s型激活函数(BP神经网络)被小波函 威胁。据国家相关部门统计的数据，仅南方电网 数所取代以此来优化神经网络结构的结果。这样 的经济损失就有150多亿元。鉴于此，对于导线利用小波神经网络在解决某些实际问题时就弥补 覆冰问题的研究也越发引起了各国研究人员的关 了单纯利用神经网络的缺点心’31，比如收敛速度 注，并且已经取得了许多优秀的成果。比如制定 慢，容易陷入局部最优等。蚁群算法(AcA，ant 了线路抗冰设计规程、线路覆冰的测试标准，划 colony 分了线路覆冰地区分布图，在实验室研究覆冰机 理，以及在野外对线路覆冰进行长期观测等…。 种新的模拟进化算法，其真实模拟了自然界蚂蚁 但是，对于输电线路覆冰厚度的预测，目前的研 群体的觅食行为。近年来，许多专家学者致力于 收稿日期：2012—09一18。 万方数据 ￡LECTRlCPOWER 第11期 尹世锋，等基于cAcA—wNN的恶劣气候条件