文献类型：期刊文章

作　　者：刘闯[1] 何沁鸿[2] 卢银均[1] 杨凯帆[1] 黄婧[1] 何丽娜[1] 陈磊[1] 孟遂民[3]

LIU Chuang;HE Qinhong;LU Yinjun;YANG Kaifan;HUANG Jing;HE Lina;CHEN Lei;MENG Suimin(Jingmen Power Supply Company,State Grid Hubei Electric Power Co.,Ltd.,Jingmen 448000 China;Zhongxiang Power Supply Company,State Grid Hubei Electric Power Co.,Ltd.,Zhongxiang 431900,China;College of Electrical Engineering&New Energy,China Three Gorges University,Yichang 443002,China)

机构地区：[1]国网湖北省电力有限公司荆门供电公司,湖北荆门448000 [2]国网湖北省电力有限公司钟祥市供电公司,湖北钟祥431900 [3]三峡大学电气与新能源学院,湖北宜昌443002

出　　处：《电力科学与技术学报》

基　　金：电网环境保护国家重点实验室开放基金(GYW51201700590)。

年　　份：2020

卷　　号：35

期　　号：6

起止页码：131-137

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、IC、JST、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对输电线路覆冰厚度预测方法存在的收敛速度慢、预测精度差等问题,考虑覆冰厚度影响因素,提出一种采用扩展记忆粒子群(PSOEM)进行参数寻优的方法,并将其应用到最小二乘支持向量机(LSSVM)中进行覆冰厚度预测。该方法在传统粒子群算法中引入扩展记忆因子,使粒子具有更强的搜索能力,从而加快收敛速度,提高预测精度。最后,采用实际线路覆冰数据对预测模型进行精度检验,结果表明,基于PSOEM-LSSVM预测模型的平均相对误差均小于3%,与其他模型相比,预测效果最好。

关 键 词：输电线路 覆冰预测  扩展记忆粒子群  最小二乘支持向量机

分 类 号：TM752]