论文部分内容阅读
近年来,电网电压的不断升级大大提高了跨区域电能输送效率,推进了智能电网战略目标实现的进程,为我国现代化建设夯实了基础。与此同时,污闪事故发生的概率也随之增大,这严重威胁电力系统的安全稳定运行,影响人们的正常生活。污闪现象的出现与绝缘子表面污秽度之间存在密切的关系。近年来,评估绝缘子表面染污程度的等值盐密成为研究热点。基于此,本文利用灰色关联分析和BP神经网络(BPNN),结合基于多点非均匀变异(MNUM)的遗传算法(GA)的方法,研究了一种基于气象因素灰色关联分析,以及基于MNUM-GA优化BPNN的绝缘子表面等值盐密的预测方法,建立了一种绝缘子表面积污程度的评估方式。本文首先介绍了气象条件自身特点和灰色关联分析方法的基本原理,并阐述了气象因素与绝缘子表面等值盐密之间具有关联性。其次,搭建了绝缘子自然积污试验平台并介绍了试验采样设备;定期对XP-70型绝缘子表面的等值盐密进行自然积污污秽测量,并记录了各种相关气象参数;自然积污试验总周期为8个月,共获取60组采样样本,从而为预测模型的训练提供了大量的试验数据。再次,采用了灰色关联分析方法计算多种气象因素与等值盐密之间的灰色关联度,进而选择与等值盐密度关联度较大的气象因子作为绝缘子表面污秽度预测模型的输入量。最后,分别介绍了 BP神经网络、遗传算法及基于多点非均匀变异遗传算法的基本原理及各自的特点,并将关联度较大的气象因子(温度、湿度、风速、降水量、PM2.5、SO2和NO2共7类)作为输入特征量,绝缘子表面等值盐密作为模型唯一输出量,建立了 BP神经网络(BPNN)、遗传算法优化的BP神经网络(GA-BPNN)以及基于多点非均匀变异遗传算法优化的BP神经网络(MNUM-GA-BPNN)三种预测模型,并使用了采集的相关试验数据进行网络训练,校验了多种参数的选取对网络误差的影响;试验随机选取7组样本进行预测仿真,比较了三种模型预测结果的相对误差和确定系数。结果表明,MNUM-GA-BPNN比GA-BPNN及BPNN在利用气象因素预测XP-70型绝缘子表面等值盐密时的误差小、确定系数高、准确度优,体现了基于多点非均匀变异遗传算法优化的BP神经网络利用气象因素预测绝缘子表面污秽度具有更高的有效性。