輸電線路覆冰預(yù)測(cè)及融冰決策研究

張金鈴

關(guān)鍵詞：輸電線路;覆冰預(yù)測(cè);融冰決策

1輸電線路覆冰氣象成因

我國(guó)地域遼闊，緯度跨度大，具有熱帶、亞熱帶和溫帶等多種氣候。氣候現(xiàn)象主要通過(guò)改變水熱分布及氣象條件來(lái)影響輸電線路覆冰情況。以下幾種氣候?qū)ξ覈?guó)輸電線路覆冰影響顯著。（1）極渦。極渦是指冬季北半球極區(qū)對(duì)流層中上層的繞極區(qū)氣旋式渦旋。它的形成代表著大規(guī)模寒潮降溫的到來(lái)。（2）太陽(yáng)黑子。太陽(yáng)黑子是太陽(yáng)活動(dòng)產(chǎn)生的現(xiàn)象，通過(guò)改變太陽(yáng)對(duì)地球的輻射影響地球氣候。（3）拉尼娜現(xiàn)象。拉尼娜是指在地球赤道附近東太平洋中東部海域海水表面溫度連續(xù)半年以上低于歷史平均值0.6℃以上的大規(guī)模持續(xù)異常低溫現(xiàn)象。（4）氣溫距平。氣溫距平是氣溫的一系列數(shù)值與平均值的差。以2008年我國(guó)南方冰災(zāi)為例，冬季亞洲極渦面積大小直接影響了我國(guó)冷空氣的強(qiáng)弱，對(duì)我國(guó)冬季的氣溫影響較大。2007-2008年冬季極渦持續(xù)偏強(qiáng)造成了寒冷天氣形勢(shì)的長(zhǎng)期、穩(wěn)定維持，從而導(dǎo)致冷空氣源源不斷地補(bǔ)充南下，為冰災(zāi)的形成、發(fā)展創(chuàng)造了有力的氣溫條件。當(dāng)時(shí)太陽(yáng)黑子數(shù)均在10以下，處于極小值附近。太陽(yáng)黑子處于低值區(qū)是2008年冰災(zāi)形成的重要?dú)夂虮尘爸弧?008年拉尼娜現(xiàn)象發(fā)展到鼎盛時(shí)期。自2007年中旬，海水表面溫度比往年同期偏低1.2℃，2008年4月赤道附近東太平洋海洋表面溫度由較強(qiáng)的負(fù)距平回升到歷史同期的平均水平，使得拉尼娜現(xiàn)象消退。以長(zhǎng)沙為例，1997-2006年的年平均氣溫都是正距平，氣溫長(zhǎng)期處于偏暖狀態(tài)。由此可知，我國(guó)南方2008年冰災(zāi)是在亞洲極渦持續(xù)偏強(qiáng)、太陽(yáng)黑子位于低谷、拉尼娜事件發(fā)展到極盛、氣溫連續(xù)10年偏暖的情況下發(fā)生。

2基于VMD-IGWO-LSSVM的覆冰預(yù)測(cè)

覆冰災(zāi)害會(huì)對(duì)電網(wǎng)造成嚴(yán)重?fù)p失，使得輸電線路以及桿塔受到損害，甚至造成部分地區(qū)中斷供電。因此，研究覆冰厚度預(yù)測(cè)模型對(duì)我國(guó)電網(wǎng)可靠供電有著重要的意義。國(guó)內(nèi)外學(xué)者進(jìn)行了廣泛的研究，覆冰預(yù)測(cè)模型主要分為基于覆冰機(jī)理的數(shù)學(xué)物理模型，例如Makkonen模型、Imai模型、Goodwin模型等。以及基于輸電線路覆冰厚度歷史數(shù)據(jù)的統(tǒng)計(jì)模型，例如BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型和SVM回歸模型。為了提高覆冰預(yù)測(cè)的準(zhǔn)確性，對(duì)輸電線路覆冰厚度歷史數(shù)據(jù)序列進(jìn)行變分模態(tài)分解，減少了原始數(shù)據(jù)序列的復(fù)雜度，提高了預(yù)測(cè)精度;其次，因?yàn)榧芸蛰旊娋€路運(yùn)行環(huán)境惡劣，缺乏大量且完整的覆冰厚度與氣象歷史數(shù)據(jù)，使得仿真計(jì)算缺乏足夠的樣本數(shù)據(jù)。針對(duì)這個(gè)問題，本文將采用LSSVM回歸模型。最后，在應(yīng)用LSSVM時(shí)，為了提高參數(shù)選擇，采用IGWO算法對(duì)LS-SVM預(yù)測(cè)模型中的參數(shù)，懲罰因子c和核函數(shù)寬度進(jìn)行優(yōu)化。為了驗(yàn)證本文提出的模型，對(duì)于上述覆冰厚度序列，分為訓(xùn)練集和測(cè)試集。訓(xùn)練集為樣本前5700個(gè)數(shù)據(jù)，測(cè)試集為樣本后300個(gè)數(shù)據(jù)。分解過(guò)程中參數(shù)的設(shè)置采用文獻(xiàn)的方法。由于各模態(tài)中心頻率值都不相同，采用中心頻率值確定模態(tài)數(shù)K。當(dāng)分量個(gè)數(shù)k取11時(shí)，μ3、μ4、μ5的中心頻率分別0.013、0.028和0.047，出現(xiàn)了3個(gè)中心頻率相近的分量，為過(guò)分解，所以確定模態(tài)分解數(shù)為K=10。為覆冰厚度數(shù)據(jù)經(jīng)VMD分解后的各個(gè)模態(tài)分量。通過(guò)觀察VMD分解結(jié)果圖可以看出，在IMF1時(shí)，波動(dòng)趨于穩(wěn)定也是所有分量中最緩和的，即波動(dòng)頻率最小;從IMF4波動(dòng)開始增加，IMF5～I(xiàn)MF10的波動(dòng)強(qiáng)烈，波動(dòng)頻率大。每個(gè)模態(tài)分量都減少了原始數(shù)據(jù)序列的復(fù)雜度，展現(xiàn)了覆冰厚度序列的局部特質(zhì)。因此，將IMF10～I(xiàn)MF5定義為高頻分量，IMF4、IMF3為中頻分量，IMF2、IMF1為低頻分量。低頻分量平均幅值較大、變化平緩、不含突變數(shù)據(jù)，為輸電線路覆冰厚度的趨勢(shì)分量;中頻分量變化有一定規(guī)律，周期性明顯，為周期性分量;高頻分量的平均振幅依次減小，規(guī)律性差，波動(dòng)性強(qiáng)，說(shuō)明輸電線路覆冰厚度在復(fù)雜環(huán)境下受隨機(jī)因素影響大，是造成預(yù)測(cè)誤差的主要因素。設(shè)定LSSVM初始參數(shù)c=1，δ=0.01。采用改進(jìn)灰狼算法對(duì)其優(yōu)化后的最優(yōu)參數(shù)為c=98.73，δ=39.55。對(duì)300組測(cè)試樣本進(jìn)行預(yù)測(cè)，為了證明本文模型的優(yōu)越性，建立了三種LSSVM模型如：EMD-LSSVM模型、VMD-LSSVM模型、VMD-GWO-LSSVM模型、與本文VMD-IGWO-LSSVM模型進(jìn)行對(duì)比。為了直觀的分析本文提出的預(yù)測(cè)模型，描繪出EMD-LSSVM模型、VMD-LSSVM模型、VMD-GWO-LSSVM模型預(yù)測(cè)點(diǎn)分布圖與本文模型的預(yù)測(cè)點(diǎn)分布圖進(jìn)行對(duì)比。通過(guò)觀察各模型預(yù)測(cè)點(diǎn)分布圖可得，相比較之下EMD-LSSVM模型、VMD-LSSVM模型、VMD-GWO-LSSVM模型的分布點(diǎn)距離實(shí)際值較遠(yuǎn)，而VMD-IGWO-LSSVM預(yù)測(cè)模型的預(yù)測(cè)點(diǎn)距離實(shí)際值近。各模型預(yù)測(cè)點(diǎn)分布圖可以清晰地看出EMD-LSSVM模型、VMD-LSSVM模型在分布點(diǎn)為0-5的區(qū)間內(nèi)偏離實(shí)際值較遠(yuǎn)，但之后又能貼近實(shí)際值分布;VMD-GWO-LSSVM模型和VMD-IGWO-LSSVM模型分布點(diǎn)都能接近實(shí)際值，但是VMD-IGWO-LSSVM模型分布點(diǎn)更加緊密;因此，相比較之下，本文預(yù)測(cè)模型的預(yù)測(cè)結(jié)果更加理想。通過(guò)觀察表1可以清晰地看出，（1）對(duì)于均方誤差（MSE），VMD-IGWO-LSSVM預(yù)測(cè)模型的預(yù)測(cè)精度比VMD-GWO-LSSVM高13.9%，比VMD-LSSVM高15.91%，比EMD-LSSVM高24.25%。（2）對(duì)于均方根誤差（RMSE），VMD-IGWO-LSSVM預(yù)測(cè)模型的預(yù)測(cè)精度比VMD-GWO-LSSVM高6.72%，比VMD-LSSVM高7.67%，比EMD-LSSVM高11.47%。（3）對(duì)于平均絕對(duì)誤差（MAE），本文組合預(yù)測(cè)模型的預(yù)測(cè)精度分別比VMD-GWO-LSSVM預(yù)測(cè)模型、VMD-LSSVM預(yù)測(cè)模型和EMD-LSSVM預(yù)測(cè)模型高11.68%、29.21%、30.3%。由此可見，本文所提出的VMD-IGWO-LSSVM預(yù)測(cè)模型精度更高。

3基于多目標(biāo)粒子群優(yōu)化算法的融冰決策

在區(qū)域電網(wǎng)產(chǎn)生大范圍覆冰時(shí)，其中多條輸電線路將會(huì)出現(xiàn)不同程度的覆冰情況，會(huì)導(dǎo)致系統(tǒng)可靠性降低?，F(xiàn)有的融冰方法（直流融冰、交流短路融冰等）大多需要融冰線路退出系統(tǒng)運(yùn)行，進(jìn)一步的提高了系統(tǒng)運(yùn)行風(fēng)險(xiǎn)。不同的融冰決策將會(huì)對(duì)區(qū)域電網(wǎng)融冰周期內(nèi)的系統(tǒng)可靠性產(chǎn)生不同的影響。為了降低系統(tǒng)運(yùn)行風(fēng)險(xiǎn)，在保證網(wǎng)絡(luò)安全的前提下，合理安排各輸電線路的融冰時(shí)段。本文以電能不足期望值最小、系統(tǒng)發(fā)電費(fèi)用最小為目標(biāo)函數(shù)，以系統(tǒng)運(yùn)行約束和融冰約束為約束條件構(gòu)建多目標(biāo)優(yōu)化融冰決策模型。采用多目標(biāo)粒子群優(yōu)化算法對(duì)目標(biāo)函數(shù)進(jìn)行求解，群體中的每個(gè)粒子代表一套融冰方案。將約束條件通過(guò)懲罰函數(shù)的形式體現(xiàn)在適應(yīng)度函數(shù)中，并根據(jù)系統(tǒng)的實(shí)際運(yùn)行要求，給出目標(biāo)函數(shù)的允許誤差，誤差均在允許范圍內(nèi)的為偏好滿意解集。根據(jù)分步篩選法計(jì)算偏好滿意度解集中各元素的全優(yōu)序數(shù)，全優(yōu)序數(shù)最大的方案為最優(yōu)融冰方案。

3結(jié)束語(yǔ)

近年來(lái)，我國(guó)覆冰災(zāi)害等自然災(zāi)害爆發(fā)呈上升趨勢(shì)。電網(wǎng)的安全可靠運(yùn)行關(guān)系到國(guó)民生計(jì)問題，但是其常遭受著覆冰災(zāi)害等自然災(zāi)害的侵害。覆冰災(zāi)害會(huì)對(duì)電網(wǎng)造成嚴(yán)重?fù)p失，使得輸電線路以及桿塔受到損害，甚至造成部分地區(qū)中斷供電。提升我國(guó)電網(wǎng)應(yīng)對(duì)覆冰災(zāi)害的能力已成為電網(wǎng)穩(wěn)定運(yùn)行的一個(gè)十分關(guān)鍵問題，其有效解決對(duì)于保障國(guó)民經(jīng)濟(jì)的高速發(fā)展和社會(huì)穩(wěn)定有著十分重要的意義。本文在分析輸電線路覆冰機(jī)理的基礎(chǔ)上，建立了輸電線路覆冰厚度預(yù)測(cè)模型，并根據(jù)預(yù)測(cè)結(jié)果，提出了多目標(biāo)優(yōu)化融冰決策模型，研究工作具有較高的理論價(jià)值和實(shí)際意義。

參考文獻(xiàn)

[1]袁和金，高亭.MEABP神經(jīng)網(wǎng)絡(luò)輸電線路覆冰厚度短期預(yù)測(cè)方法[J].電腦編程技巧與維護(hù)，2018（07）：40-42+76.

[2]周藝環(huán)，馮思朦，蔡勇，王文森.高壓輸電線覆冰連續(xù)激光清除系統(tǒng)設(shè)計(jì)與實(shí)驗(yàn)研究[J].激光與紅外，2021，51（01）：41-45.