基于IGWO-SVR的输电线路覆冰预测模型研究
李庚洋
刘思尧
韩自龙
吕宏图
易金桥
湖北民族大学 智能科学与工程学院,湖北 恩施445000
摘要：为降低输电线路覆冰事故对电网安全生产的影响,电网运维部门通过预估线路覆冰厚度来指导电网的除冰融冰工作.本文提出采用支持向量机回归(support vector regression,SVR)方法预测覆冰厚度,研究了1种基于改进的灰狼优化算法(improved grey wolf optimization algorithm,IGWO)优化SVR的覆冰厚度预测模型.首先,采用非线性收敛因子a和精英反向学习(elite opposition-based learning,EOBL)提高了灰狼优化算法(grey wolf optimizer,GWO)的收敛速度并解决了易陷入局部最优的问题.其次,构建以环境温度、相对湿度和环境风速为输入量,覆冰厚度为输出量的IGWO-SVR覆冰预测模型,将实验数据代入模型计算其适应度值为0.019,远优于GWO-SVR模型.最后,将IGWO-SVR模型与PSO-SVR和GWO-SVR模型相比较,通过预测数据和实测数据的对比验证了IG-WO-SVR模型的均方误差(mean square error,MSE)值为1.16,低于PSO-SVR和GWO-SVR模型,对输电线路覆冰预测研究具有一定的参考价值.
关键词：输电线路覆冰预测支持向量机回归改进的灰狼优化算法收敛因子精英反向学习
分类号：TP301(计算技术、计算机技术)
资助基金：湖北省教育厅科学技术研究计划青年人才项目(Q20151905)
论文发表日期：2023-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 79-84 )
英文信息