来源：期刊VIP网 时间：
作者：苏仁斌;熊卫红;刘先珊;李智;邹建明;曾垂辉;
单位：国家电网有限公司华中分部;重庆大学土木工程学院;
摘要：实际输电线路的覆冰监测数据为高维非线性时间序列,以某500 kV典型覆冰线路为研究对象,结合监测序列的统计特征,提出基于新型元启发算法瞪羚优化方法(GOA)的反向传播神经网络(BPNN)模型进行覆冰厚度预测.基于10个标准测试函数的最优解求解,验证优化算法对复杂问题全局最优求解的适用性,引入该算法建立GOA-BPNN模型,仿真不同训练样本数的正弦函数,说明该方法能更快地收敛于最优解.根据线路的5 a覆冰监测数据,基于相关系数矩阵及主成分分析法,将6个主控因子降维为4个,作为GOA-BPNN模型的输入层,构建符合线路特征的覆冰厚度GOABPNN预测模型.该模型针对短时间覆冰序列的预测结果比经典BPNN模型的预测值更准确,验证了其对高阶非线性覆冰时间序列的泛化学习能力.以线路的多年覆冰长时间序列为训练集,预测得到5个时刻的覆冰厚度, GOA-BPNN模型相对其他4个模型的预测值最接近实际监测值,模型对“微地形、微气象”环境中的覆冰厚度预测具有较高的可靠性.
关键词：瞪羚优化算法;;GOA-BPNN模型;;主成分分析;;覆冰厚度;;预测模型
基金资助：国家电网有限公司华中分部科技项目(52140023000A)
