一种基于长短期记忆网络的线路覆冰预测模型研究
陈雨鸽1，高伟1，林鸿伟2，阮肇华2，郑为凑2，林福2，陈锦植2
（1 福州大学 电气工程与自动化学院，福建 福州 350108；
2 国网福建省电力有限公司宁德供电公司，福建 宁德 352100）
摘 要：输电线路覆冰灾害易引发危害电网安全运行的事故，对输电线路覆冰情况进行短期预测十分必要。提出了一种基于结合气象因素和导线覆冰量的时间序列模型预测法，建立一个由5 个气象要素和一个导线覆冰量数据组成的数据集，采用长短期记忆网络算法训练预测模型，利用线路实际运行数据对模型进行优化和评估。实验结果表明，所提方法可准确、有效地实现线路覆冰发展情况的预测，预测误差仅4.2%。
关键词：输电线路；覆冰预测；气象信息；长短期记忆网络
中图分类号：TM74 文献标识码：A 文章编号：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
参考文献
[1] 李庆峰，范峥，吴穹，等. 全国输电线路覆冰情况调研及事故分析[J]. 电网技术，2008，32(9)：33-36.
[2] 陆佳政， 蒋正龙， 雷红才， 等. 湖南电网2008年冰灾事故分析[J]. 电力系统自动化，2008，32(11)：16-19.
[3] 李伟，马佳，王世蓉，等. 精细化气象要素下输电线路覆冰预测预警研究[J]. 电力大数据，2018，21(2)：1-7.
[4] 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，2008，32(4)：23-28.
[5] 苑吉河，蒋兴良，易辉，等. 输电线路导线覆冰的国内外研究现状[J]. 高电压技术，2004，30(1)：6-9.
[6] 赵阳， 安佳坤， 孟斌， 等. 基于覆冰动态增长的电力系统风险评估方法[J]. 科技创新与应用，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] 韩叶良，苏国锋，袁宏永，等. 基于粗糙集的电网覆冰事故预警模型[J]. 清华大学学报( 自然科学版)，2010，50(12)：1930-1933.
[10] 刘春城，刘佼. 输电线路导线覆冰机理及雨凇覆冰模型[J]. 高电压技术，2011，37(1)：241-248.
[11] 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，2016，42(4)：1228-1235.
[12] 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，2019，47(14)：87-94.
[13] HOCHREITER S, SCHMIDHUBER J.Long short-term memory[J].Neural Computation，1997，9(8)：1735-1780.
[14] 石晓文，蒋洪迅. 面向高精度与强鲁棒的空气质量预测LSTM模型研究[J]. 统计与决策，2019(16)：49-53.
