基于优化SVRM的输电线路短时期覆冰厚度预测模型研究.pdf

第 卷第期陕西科技大学学报V o l N o 年月J o u r n a l o fS h a a n x iU n i v e r s i t yo fS c i e n c e&T e c h n o l o g y A u g 文章编号:X()基于优化S V RM的输电线路短时期覆冰厚度预测模型研究汤伟,桑旬,刘家兵,武健(陕西科技大学 电气与控制工程学院,陕西 西安 ;西安金源电气股份有限公司,陕西 西安 )摘要:针对目前输电线路覆冰预测误差大、效率低等问题,提出了一种基于优化S V RM的输电线路覆冰厚度预测模型首先运用主成分分析法(P C A)提取出影响线路覆冰的主要特征,其次利用粒子群算法(P S O)对支持向量回归机(S V RM)中的主要参数进行迭代最优化,同时搭建输电线路覆冰预测模型最后结合四川电力勘探设计院某观冰站自动监测系统采集的现场 组覆冰气象数据集,对所提出的预测模型进行训练与测试,验证预测模型的有效性与实用性与未优化及同类型预测方法相比,其预测平均均方误差分别减少了约、,预测准确度有一定的提高关键词:输电线路;自动监测;覆冰预测;主成分分析;支持向量回归机中图分类号:TM 文献标志码:AS t u d yo ns h o r t t e r mi c e t h i c k n e s sp r e d i c t i o nm o d e l o ft r a n s m i s s i o nl i n e sb a s e do no p t i m i z e dS V RMT ANG W e i,S ANGX u n,L I UJ i a b i n g,WUJ i a n(S c h o o l o fE l e c t r i c a l a n dC o n t r o lE n g i n e e r i n g,S h a a n x iU n i v e r s i t yo fS c i e n c e&T e c h n o l o g y,X i a n ,C h i n a;X i a nJ i n p o w e rE l e c t r i cC o,L t d,X i a n ,C h i n a)A b s t r a c t:A i m i n ga t t h ep r o b l e m so f l a r g ee r r o ra n dl o we f f i c i e n c yo f t r a n s m i s s i o nl i n e i c i n gp r e d i c t i o n,ap r e d i c t i o nm o d e lb a s e do no p t i m i z e dS V RMi sp r o p o s e d F i r s t l y,p r i n c i p a l c o m p o n e n t a n a l y s i s(P C A)i su s e d t oe x t r a c t t h em a i n f e a t u r e s a f f e c t i n g l i n e i c i n g S e c o n d l y,p a r t i c l e s w a r mo p t i m i z a t i o n(P S O)i su s e d t o i t e r a t i v e l yo p t i m i z e t h em a i np a r a m e t e r s o f s u p p o r tv e c t o r r e g r e s s i o nm a c h i n e(S V RM),a n d t h e i c i n gp r e d i c t i o nm o d e l i s e s t a b l i s h e da t t h e s a m et i m e F i n a l l y,c o m b i n e dw i t ht h e s e t so f f i e l di c i n gd a t as e tc o l l e c t e db yt h ea u t o m a t i cm o n i t o r i n gs y s t e mo fa ni c eo b s e r v a t i o ns t a t i o no fS i c h u a nE l e c t r i cP o w e rE x p l o r a t i o na n dD e s i g nI n s t i t u t e,t h ee f f e c t i v e n e s so f t h ep r e d i c t i o nm o d e l i sv e r i f i e d C o m p a r e dw i t ht h en o no p t i m i z e da n dt h es a m e t y p eo fp r e d i c t i o nm e t h o d s,t h ea v e r a g em e a ns q u a r ee r r o ro fp r e d i c t i o n i s r e d u c e db ya b o u t,a n d r e s p e c t i v e l y,a n dt h ep r e d i c t i o na c c u r a c yi s i m p r o v e dt oac e r t a i ne x t e n t K e yw o r d s:p o w e rt r a n s m i s s i o nl i n e;a u t o m a t i cm o n i t o r i n g;i c i n gp r e d i c t i o n;p r i n c i p a lc o m p o n e n t a n a l y s i s;s u p p o r tv e c t o r r e g r e s s i o nm a c h i n e收稿日期:基金项目:国家自然科学基金项目();陕西省科技厅科学技术研究发展计划项目(G Y )作者简介:汤伟(),男,河南信阳人,教授,博士生导师,研究方向:工业过程高级控制理论、光机电一体化控制系统陕西科技大学学报第 卷引言输电线路覆冰的增加会使导(地)线、绝缘子串以及杆塔的机械荷载增大,进而导致线路受到扭曲等机械力的破坏,将严重威胁电网的安全稳定运行国家电网信息化规划明确要求加快电网智能化转型,研究灾害预警典型算法模型,对于海量数据有效灾害预警信息的提取和整合具有不可忽视的意义国内外大量专家学者对覆冰预测模型已开展了广泛的研究,主要基于两个大方向:一是,基于导线覆冰生长物理特性的预测模型;二是,基于覆冰发展相关因素的回归预测模型 对覆冰过程物理模型的研究主要集中在对导线结冰过程中冻雨与导线的碰撞流体力学规律研究与对空气中水滴冻结系数的热平衡过程研究,如G o o d w i n模型、M a k k o n e n模型等,由于覆冰的生长过程很难基于某个确定的物理模型,实际覆冰预报的准确率仍有待进一步提升基于覆冰生长相关联因素的拟合预测模型是依据可观测和可预报的微气象数据,利用机器学习算法建立的冰厚预测模型如文献 提出了采用多变量 灰色预测模 型,预测值平 均相对误 差为 ,但此模型只适用于覆冰指数增长的预测,与实际值还有较大的偏差文献 提出一种基于自适应变异粒子群算法优化B P神经网络的人工智能预测模型,相对误差在 以内,此模型的缺点是需要训练较大的原始数据集来保证预测精度,对微气象条件复杂多变的覆冰预测,结果差强人意文献 提出了一种基于遗传算法与模糊逻辑融合的预测模型,随着覆冰厚度的增加,模型预测的误差会越来越大,并且忽略了数据集中属性之间的相关性文献 提出优化多核相关向量机组合预 测 模 型,在 覆 冰 稳 定 期 平 均 均 方 根 误 差 为 但目前的智能模型很少考虑线路覆冰的累积过程,导致预测值与实际值仍存在差距针对以上输电线路覆冰预测误差大、效率低、实用性较差等问题,本文运用理论基础较为完善,且 适 用 于 小 样 本 数 据 拟 合 的 支 持 向 量 回 归 机(S u p p o r tV e c t o rR e g r e s s i o n M a c h i n e,S V RM)智能预测模型模型首先采用主成分分析法(P r i n c i p a lC o m p o n e n tA n a l y s i s,P C A)提取影响线路覆冰的主要微气象特征,考虑特征之间的相关性,去除噪声和关联性较强的信息其次利用粒子群(P a r t i c l eS w a r mo p t i m i z a t i o n,P S O)算法对预测模型参数进行寻优,建立覆冰预测模型最后以四川电力勘探设计院某观冰站采集的现场在线监测数据集,模拟导线拉力对所建立模型进行准确性验证,同时为智能学习模型在线路覆冰预测领域与工程实践中的应用提供参考预测模型理论 主成分分析设原始数据集的矩阵为X:Xx x xmx x xmxnxnxn m()式()中:n表示输入特征的个数,m为每个特征包含的原始变量个数主成分分析法实现步骤如下:首先,为了简化计算并消除不同变量之间量纲的影响,对所有输入特征进行零均值规范化,将原数据转换为符合均值为,标准差为的标准正态分布的新矩阵规范化后的矩阵X可表示为:Xxi jxi()式()中:xi j为X矩阵第i行,第j列所对应的数据值,i,n;j,m;xinnixi j为特征样本的均值,nni mj(xi jxi)为样本数据的标准差为实现用较少的变量尽可能高精度地反映原来样本的信息,要对回归变量进行特征压缩,具体实现步骤如下:求出规范化后X矩阵的协方差矩阵Z如下所示:Zm(X)T(X)()式()中:(X)T为规范化后矩阵X的转置矩阵将协方差矩阵Z的特征值依照数值由大到小排列,降至k维主成分后的矩阵Y可表示为:YPkX()式()中:P,P,P,Pk为与排序后特征值相对应的特征向量用上述主成分分析法筛选多变量数据,能高效实现特征压缩与提炼,有利于数据的利用 改进支持向量回归机S V RM考虑到非线性回归问题,设给定一个第期汤伟等:基于优化S V RM的输电线路短时期覆冰厚度预测模型研究训练样本D,输入样本xi具有n个特征,yi为一维回归预测输出:D(x,y),(x,y),(xn,yn)()S V RM优化目标是通过最大化间隔带的宽度与最小化总的损失量来优化模型,以f(x)为中心,构建宽度为的间隔带,若训练样本落入此间隔带,则 认 为 被 预 测 结 果 是 正 确 的,于 是S V RM问题可以形式化为:m i nw,bwstyi(w xib)()式()中:w为n维向量wwwwnT,b是一个常数为了得到训练回归模型的参数,需要引入代价函数,即整个样本集的平均误差函数,S V RM的代价函数为nil(f(xi),yi),其中l是不敏感损失函数,进而S V RM模型目标约束函数可重写为:m i nw,bwCnil(f(xi),yi)()式()中:C为正则化常数,也称惩罚系数,是调节间隔与准确率的因子 为将约束条件变成无约束的等式,构建拉格朗日目标优化函数如下:LwCni(ii)nii(zi)nii(zi)nii(i)nii(i)()式()中:i,i为松弛变量,对于任意样本xi,在隔离带里面或者边缘上,则与都为;在隔离带上方,则,;在隔离带下方,则,;,均为拉格朗日系数,且均最后通过拉格朗日对偶计算将优化问题转化为等价的对偶问题进行求解从而可得S V RM模型的解如式()所示:f(x)ni(ii)K(x,xi)b()能使式()中(ii)的样本即为S V RM的支持向量,其中K为核函数,为得到较光滑的回归结果,选择的核函数为式()所示的高斯核函数,其数学形式简单且参数较容易优化,从而实现映射空间的非线性转化K(xi,x)e x p(gxix)()式()中:g值反映了核函数的作用范围,值越小作用范围越宽,反之则作用范围越窄根据以上原理分析可得S V RM模型中惩罚系数C和反应核函数作用范围的参数g对预测模型稳定性与空间分布复杂程度至关重要本文采用粒子群算法(P a r t i c l eS w a r m O p t i m i z a t i o n,P S O)对S V RM两个重要参数进行寻优,待优化的粒子都有一个由被优化的函数决定的优化速度与位置,优化函数可表示为:ki d ki dcr(pki dxki d)cr(pkg dxkg d)xki dxki dki d()式()中:ki d,xki d分别为第k次迭代时粒子的速度和位置;ki d、xki d分别为第k次迭代时粒子的速度和位置;pi d为第d个个体的极值,pg d为群体极值,其中:d,n;i,n;为惯性权重;k为迭代次数;c、c均为加速因子;r、r均为随机函数,且r、r,覆冰厚度预测模型建立建立输电线路覆冰厚度预测模型的关键是寻找覆冰现场自动监测系统采集到的气象数据集与覆冰厚度之间的非线性映射关系,依据此关系对冰厚进行回归分析,从而实现对短时期内线路覆冰厚度的预测图为基于P C A P S O S V RM的覆冰厚度预测模型建立流程图图覆冰厚度预测模型建立流程图 特征预处理输电线路覆冰现场监测的数据受设备所处环陕西科技大学学报第 卷境与数据远距离传输等影响杂质与噪音太大,无法直接进行数据挖掘或者数据应用,本文考虑影响导线覆冰的气象因素依据环境温度、相对湿度、综合风速、综合风向、气压、光辐射强度等建立覆冰预测模型为了提高对数据提取与挖掘的质量,需要对原始数据集进行数据筛选 线路覆冰的必要气象条件为:环境温度在 以下;空气相对湿度一般在 以上;风速大于 m/s;且当风向与线路正交时,最有利于覆冰厚度的增长根据以上基本条件可以剔除实际测量数据中的不符合覆冰条件的数据其次删除数据集中的缺失数据、某特征持续 小时以上不变的数据等以此达到对原始样本数据得清理,以便对样本进行主成分分析 构建支持向量回归机预测模型融合样本信息,构建S V RM覆冰厚度预测模型的步骤如下:步骤模型初始化将提取特征后的新数据作为覆冰预测模型的输入,作为模型训练集,作为测试集其次初始化预测模型与粒子群优化参数,具体参数设置如表所示表预测模型初始化参数参数名称初始化设置值交叉验证数迭代次数 种群规模 参数C取值范围 参数g取值范围 学习因子c、c 惯性权重 步骤粒子群算法寻优P S O算法于非线性、多峰值问题都着有较强的全局搜索能力采用粒子群算法对参数C和g进行寻优,首先计算待优化粒子的最佳适应度值,其次更新迭代粒子的位置与速度,最后循环以上过程直至迭代次数达到上限,并将寻得的最优值输入到预测模型中参与模型的训练步骤模型训练与评估将训练集数据输入S V RM模型对预测模型进行训练,测试集数据经过完全一致的数据处理过程对训练完备的模型进行精度测试与验证分析本文选取均方根误差eRM S E与平均绝对误差eMA E两个指标来对预测模型进行误差分析,并对比其他预测模型预测准确度有所提高,两个评估指标分别可表示为:eRM S Eppi(yiy i)()eMA Eppiyiy i()式()、()中:yi为模型预测的覆冰厚度值,y i为实际的等值覆冰厚度值实例分析 数据来源与特征选择本文在线监测数据来源于四川某山区为长期积累区域覆冰基础数据而设立的自动监测站覆冰厚度是根据导线规格与拉力数据计算的导线等值覆冰厚度在线监测样本采集 年月 日至 年月 日每隔 m i n共计 组气象数据,图为观冰站覆冰现场监测数据第期汤伟等:基于优化S V RM的输电线路短时期覆冰厚度预测模型研究图观冰站覆冰现场监测数据利用相关性分析去研究等值冰厚分别和光辐射强度、综合风向、综合风速、气压、相对湿度、环境温度、导线拉力共项特征与覆冰厚度之间的相关关系,使用相关联系数去反映特征与覆冰厚度相关关系的强弱情况由表可知,与覆冰厚度相关性最大的两个微气象特征是环境温度和环境相对湿度,其他特征的相关度均小于 表覆冰厚度相关性分析相关特征相关系数环境温度/相对湿度/RH 综合风向/()综合风速/(m/s)气压/P a 光辐射强度/(W/m)拉力/k g 对输入特征进行进一步主成分分析,根据图的现场监测数据,对输入特征使用主成分分析法进行信息 浓 缩,数 据 集 的 适 合 主 成 分 分 析 系 数 为 ,大于 ,意味着数据可用于主成分分析研究图微气象特征对冰厚的贡献率由图显示的微气象特征的累积对覆冰厚度的方差解释率可得,前两项输入特征的累积对覆冰厚度的影响已经达到 ,因此主成分分析法将输入特征进行压缩,提取主要信息量进行分析 参数寻优在对S V RM模型进行训练之前,对模型中影响预测精度的两个主要参数进行迭代优化,参数平均适应度值曲线如图所示由图可知,粒子群算法在迭代 次就达到收敛,寻优速度快,说明粒子群算法对预测模型参数的优化起到了重要作用,经过优化后的最优惩罚系数C ,核函数参数g,将这两个参数值赋予支持向量机预测模型对覆冰厚度进行预测图参数优化适应度曲线 预测结果分析为了直观地分析本文提出的预测模型,现对 个测试样本进行预测分析将未优化的S V RM模型、未进行性相关性分析的P S O S V RM模型、常用于随着样本数量增加预测效果越优越的的传统G R NN模型与本文所提出的优化S V RM模型覆冰厚度预测结果进行对比,如图所示为四种模型预测覆冰厚度对比图由预测结果可知随着时间的变化与预测样本数的增加,本文所提出的预测模型无论是在覆冰增长期、覆冰稳定期还是覆冰消融期预测结果均与实际覆冰值最相近,最准确跟随了实际覆冰厚度发展趋势为验证本文预测模型的低误差率,对四种模型进行进一步误差评估如表所示,对四种模型预测均方根误差eRM S E与平均绝对误差eMA E两个指标进行 对 比与S V RM模 型、P S O S V RM模 型、G R NN模型相比,本 文预测模型 平均均方误 差eRM S E分别减少了约、,平均绝对误差eMA E分别减少了约、,预测准确度有一定的提高,进一步体现了本文所提出的预测模型的预测能力与可靠性陕西科技大学学报第 卷图四种模型预测覆冰厚度对比图表四种预测模型误差对比预测模型评价指标eRM S EeMA ES V RM P S O S V RM G RNN P C A P S O S V RM 综上所述,因微气象条件的复杂多变与数据获取不易等特征,此文提出的这种针对小样本数据集的预测模型,适合根据可短期预报的微气象数据对输电线 路覆冰进行预 测,且有可 观的现实应 用意义结论本文提出了一种优化S V RM的输电线路覆冰厚度短期预测模型,为线路覆冰厚度预测提供了一种切实可行的方法首先运用主成分分析法对影响输电线路覆冰厚度的气象特征进行了主成分提取与信息浓缩,从而减少了预测模型的输入数据复杂度其次提出了改进S V RM预测模型,利用粒子群算法对影响预测模型预测精度并且难以取值的两个重要参数进行迭代寻优,将寻得的最优值赋予预测模型对覆冰厚度进行高效预测最后实验验证对比未优化与传统神经网络预测模型在覆冰增长期、平稳期、消融期预测精度都有一定的提高将此模型利用于覆冰现场对电力设备的调度、人力与信息资源的合理分配等方面才能显现出此预测技术的现实价值参考文献黄新波,刘家兵,蔡伟,等电力架空线路覆冰雪的国内外研究现状J电网技术,():庄文兵,祁创,王建,等基于微气象监测的输电线路覆冰动态过程估计模型J电力系统保护与控制,():F a r z a n e hM,S a v a d j i e vK S t a t i s t i c a la n a l y s i so f f i e l dd a t af o rp r e c i p i t a t i o ni c i n ga c c r e t i o no no v e r h e a dp o w e rl i n e sJ I E E ET r a n s a c t i o n so nP o w e rD e l i v e r y,():陈雨鸽,高伟,林鸿伟,等一种基于长短期记忆网络的线路覆冰预测模型研究J电工电气,():Z a r n a n iA,M u s i l e kP,S h iX,e ta l L e a r n i n gt op r e d i c t i c ea c c r e t i o no ne l e c t r i cp o w e r l i n e sJ E n g A p p l A r t i f I n t e l,():F a r z a n e hM A t m o s p h e r i c i c i n go fp o w e rn e t w o r k sMB e r l i n:S p r i n g e r,邸悦伦,陆佳政,徐勋建,等 年“超级寒潮”条件下湖第期汤伟等:基于优化S V RM的输电线路短时期覆冰厚度预测模型研究南电网覆冰过程的分析J电力科学与技术学报,():罗聪,范力栋,赵学文,等基于VMD I GWO L S S VM的覆冰预测模型研究J电网与清洁能源,():刘宏伟,陆佳政,赖旬阳,等输电线路覆冰厚度短期多变量灰色预 测 模 型 研 究 J高 电 压 技 术,():李贤初,张翕,刘杰,等输电线路导线覆冰AMP S O B P神经 网 络 预 测 模 型 J电 力 建 设,():黄新波,王玉鑫,朱永灿,等基于遗传算法与模糊逻辑融合的线路覆冰预测J高电压技术,():熊玮,徐浩,徐林享,等计及时间累积效应的R F A P J A MK R VM输电线路覆冰组合预测模型J高电压技术,():戴栋,黄筱婷,代洲,等基于支持向量机的输电线路覆冰回归模型J高电压技术,():林海明,杜子芳主成分分析综合评价应该注意的问题J统计研究,():韩小孩,张耀辉,孙福军,等基于主成分分析的指标权重确定方法J四川兵工学报,():K u m a rM A,G o p a lM L e a s t s q u a r e s t w i ns u p p o r t v e c t o rm a c h i n e sf o rp a t t e r nc l a s s i f i c a t i o nJ E x p e r tS y s t e m sw i t hA p p l i c a t i o n s,():杨俊燕,张优云,朱永生 不敏感损失函数支持向量机分类性能研究J西安交通大学学报,():C h r i s t o p h e rB i s h o p P a t t e r nr e c o g n i t i o na n d m a c h i n el e a r n i n gM N e wY o r k:S p r i n g e r,:刘健基于支持向量机的在线学习算法研究D杭州:浙江大学,黄宵宁,许瑞,许家浩南方山区线路覆冰在线监测数据特征分析与预测模型研究J电力系统保护与控制,():【责任编辑:蒋亚儒】(上接第 页)卢伟国,何启辰,周雒维,等前馈型电压模式控制B u c k变换器J电力自动化设备,():颜湘武,王杨,葛小凤,等双管B u c k B o o s t变换器的带输入电压前馈双闭环控制策略J电力自动化设备,():程红丽,贾龙飞 B u c k变换器的数字电流滞环控制策略的改进J电子科技大学学报,():刘建,程红丽,王立,等电流跟踪数字控制的B u c kD C D C变换器J电工技术学报,():,P a r k,S u n gM,L e e,e t a l B u c k b o o s t c o n v e r t e r c o n t r o l l e db yh y s t e r e t i cPWM m e t h o dw i t hi n p u tv o l t a g ef e e d f o r w a r dC/I E E E r dI n t e r n a t i o n a lT e l e c o mm u n i c a t i o n sE n e r g y C o n f e r e n c e(I N T E L E C)Am s t e r d a m,N e t h e r l a n d s:(I E E E),:张苏捷,赵晋斌,杨旭红,等电容电流补偿的滞环控制B u c k变换 器 分 析 J电 力 电 子 技 术,():张婷,程红丽,黄文准,等 B u c k B o o s t变换器电流滞环控制策略 的 研 究 与 改 进 J电 子 器 件,():周国华,冷敏瑞,李媛,等开关变换器及其控制环路的建模综述J中国电机工程学报,():B a n a e iM R,S a n iSG A n a l y s i sa n di m p l e m e n t a t i o no fan e ws e p i c b a s e ds i n g l e s w i t c hb u c k b o o s t D C D Cc o n v e r t e rw i t hc o n t i n u o u s i n p u tc u r r e n tJ I E E ET r a n s a c t i o n so n P o w e r E l e c t r o n i c s,():祁静静,吴学智,王久和,等采用开关电感的B u c k变换器C CM和D CM特性分析J电工技术学报,():【责任编辑:蒋亚儒】