一種基于長短期記憶網絡的線路覆冰預測模型研究
陳雨鴿1，高偉1，林鴻偉2，阮肇華2，鄭為湊2，林福2，陳錦植2
（1 福州大學 電氣工程與自動化學院，福建 福州 350108；
2 國網福建省電力有限公司寧德供電公司，福建 寧德 352100）
摘 要：輸電線路覆冰災害易引發危害電網安全運行的事故，對輸電線路覆冰情況進行短期預測十分必要。提出了一種基于結合氣象因素和導線覆冰量的時間序列模型預測法，建立一個由5 個氣象要素和一個導線覆冰量數據組成的數據集，采用長短期記憶網絡算法訓練預測模型，利用線路實際運行數據對模型進行優化和評估。實驗結果表明，所提方法可準確、有效地實現線路覆冰發展情況的預測，預測誤差僅4.2%。
關鍵詞：輸電線路；覆冰預測；氣象信息；長短期記憶網絡
中圖分類號：TM74 文獻標識碼：A 文章編號：1007-3175(2020)03-0005-07
Study of an Icing Prediction Model for Transmission Line Based on Long and Short-Term Memory Network
CHEN Yu-ge1, GAO Wei1, LIN Hong-wei2, RUAN Zhao-hua2, ZHENG Wei-cou2, LIN Fu2, CHEN Jin-zhi2
（1 College of Electrical Engineering and Automation, Fuzhou University, Fuzhou 350108, China;
2 Ningde Power Supply Company of State Grid Fujian Electric Power Co., Ltd, Ningde 352100, China）
Abstract: Ice disasters on power transmission lines can easily lead to accidents, endanger the safe operation of the power grid and bring economic losses. Therefore, it is important to make short-term predictions of icing conditions on transmission lines. A time series model prediction method combining meteorological factors and the amount of icing on the wire is proposed. First, a data set consisting of five meteorological factors and the amount of ice covered by the traverse is established. Secondly, the long and short-term memory network algorithm is used to train the prediction model. Finally, the model is optimized and evaluated using the actual operating data of the line. The experimental results show that the proposed method can accurately and effectively predict the development of icing on the line, and the prediction error is only 4.2%.
Key words: transmission line; icing prediction; meteorological information; long and short-term memory network
參考文獻
[1] 李慶峰，范崢，吳穹，等. 全國輸電線路覆冰情況調研及事故分析[J]. 電網技術，2008，32(9)：33-36.
[2] 陸佳政， 蔣正龍， 雷紅才， 等. 湖南電網2008年冰災事故分析[J]. 電力系統自動化，2008，32(11)：16-19.
[3] 李偉，馬佳，王世蓉，等. 精細化氣象要素下輸電線路覆冰預測預警研究[J]. 電力大數據，2018，21(2)：1-7.
[4] 黃新波，劉家兵，蔡偉，等. 電力架空線路覆冰雪的國內外研究現狀[J]. 電網技術，2008，32(4)：23-28.
[5] 苑吉河，蔣興良，易輝，等. 輸電線路導線覆冰的國內外研究現狀[J]. 高電壓技術，2004，30(1)：6-9.
[6] 趙陽， 安佳坤， 孟斌， 等. 基于覆冰動態增長的電力系統風險評估方法[J]. 科技創新與應用，2016(33)：193-194.
[7] SAKAMOTO Y. Snow accretion on overhead wires[J].Philosophical Transactions of the Royal Society A：Mathematical, Physical and Engineering Sciences，2000，358(1776)：2941-2970.
[8] LUO Y, LI Y, YAO Y, et al.Research on power transmission line ice prediction system based on BP neural network[C]//IEEE International Conference on Measurement，2012.
[9] 韓葉良，蘇國鋒，袁宏永，等. 基于粗糙集的電網覆冰事故預警模型[J]. 清華大學學報( 自然科學版)，2010，50(12)：1930-1933.
[10] 劉春城，劉佼. 輸電線路導線覆冰機理及雨凇覆冰模型[J]. 高電壓技術，2011，37(1)：241-248.
[11] 黃新波，王玉鑫，朱永燦，等. 基于遺傳算法與模糊邏輯融合的線路覆冰預測[J]. 高電壓技術，2016，42(4)：1228-1235.
[12] 莊文兵，祁創，王建，等. 基于微氣象監測的輸電線路覆冰動態過程估計模型[J]. 電力系統保護與控制，2019，47(14)：87-94.
[13] HOCHREITER S, SCHMIDHUBER J.Long short-term memory[J].Neural Computation，1997，9(8)：1735-1780.
[14] 石曉文，蔣洪迅. 面向高精度與強魯棒的空氣質量預測LSTM模型研究[J]. 統計與決策，2019(16)：49-53.
