輸電線路覆冰預測及融冰決策研究

張金鈴

關鍵詞：輸電線路;覆冰預測;融冰決策

1輸電線路覆冰氣象成因

我國地域遼闊，緯度跨度大，具有熱帶、亞熱帶和溫帶等多種氣候。氣候現象主要通過改變水熱分布及氣象條件來影響輸電線路覆冰情況。以下幾種氣候對我國輸電線路覆冰影響顯著。（1）極渦。極渦是指冬季北半球極區對流層中上層的繞極區氣旋式渦旋。它的形成代表著大規模寒潮降溫的到來。（2）太陽黑子。太陽黑子是太陽活動產生的現象，通過改變太陽對地球的輻射影響地球氣候。（3）拉尼娜現象。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半年以上低于歷史平均值0.6℃以上的大規模持續異常低溫現象。（4）氣溫距平。氣溫距平是氣溫的一系列數值與平均值的差。以2008年我國南方冰災為例，冬季亞洲極渦面積大小直接影響了我國冷空氣的強弱，對我國冬季的氣溫影響較大。2007-2008年冬季極渦持續偏強造成了寒冷天氣形勢的長期、穩定維持，從而導致冷空氣源源不斷地補充南下，為冰災的形成、發展創造了有力的氣溫條件。當時太陽黑子數均在10以下，處于極小值附近。太陽黑子處于低值區是2008年冰災形成的重要氣候背景之一。2008年拉尼娜現象發展到鼎盛時期。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的負距平回升到歷史同期的平均水平，使得拉尼娜現象消退。以長沙為例，1997-2006年的年平均氣溫都是正距平，氣溫長期處于偏暖狀態。由此可知，我國南方2008年冰災是在亞洲極渦持續偏強、太陽黑子位于低谷、拉尼娜事件發展到極盛、氣溫連續10年偏暖的情況下發生。

2基于VMD-IGWO-LSSVM的覆冰預測

覆冰災害會對電網造成嚴重損失，使得輸電線路以及桿塔受到損害，甚至造成部分地區中斷供電。因此，研究覆冰厚度預測模型對我國電網可靠供電有著重要的意義。國內外學者進行了廣泛的研究，覆冰預測模型主要分為基于覆冰機理的數學物理模型，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據的統計模型，例如BP神經網絡預測模型和SVM回歸模型。為了提高覆冰預測的準確性，對輸電線路覆冰厚度歷史數據序列進行變分模態分解，減少了原始數據序列的復雜度，提高了預測精度;其次，因為架空輸電線路運行環境惡劣，缺乏大量且完整的覆冰厚度與氣象歷史數據，使得仿真計算缺乏足夠的樣本數據。針對這個問題，本文將采用LSSVM回歸模型。最后，在應用LSSVM時，為了提高參數選擇，采用IGWO算法對LS-SVM預測模型中的參數，懲罰因子c和核函數寬度進行優化。為了驗證本文提出的模型，對于上述覆冰厚度序列，分為訓練集和測試集。訓練集為樣本前5700個數據，測試集為樣本后300個數據。分解過程中參數的設置采用文獻的方法。由于各模態中心頻率值都不相同，采用中心頻率值確定模態數K。當分量個數k取11時，μ3、μ4、μ5的中心頻率分別0.013、0.028和0.047，出現了3個中心頻率相近的分量，為過分解，所以確定模態分解數為K=10。為覆冰厚度數據經VMD分解后的各個模態分量。通過觀察VMD分解結果圖可以看出，在IMF1時，波動趨于穩定也是所有分量中最緩和的，即波動頻率最小;從IMF4波動開始增加，IMF5～IMF10的波動強烈，波動頻率大。每個模態分量都減少了原始數據序列的復雜度，展現了覆冰厚度序列的局部特質。因此，將IMF10～IMF5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、不含突變數據，為輸電線路覆冰厚度的趨勢分量;中頻分量變化有一定規律，周期性明顯，為周期性分量;高頻分量的平均振幅依次減小，規律性差，波動性強，說明輸電線路覆冰厚度在復雜環境下受隨機因素影響大，是造成預測誤差的主要因素。設定LSSVM初始參數c=1，δ=0.01。采用改進灰狼算法對其優化后的最優參數為c=98.73，δ=39.55。對300組測試樣本進行預測，為了證明本文模型的優越性，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模型進行對比。為了直觀的分析本文提出的預測模型，描繪出EMD-LSSVM模型、VMD-LSSVM模型、VMD-GWO-LSSVM模型預測點分布圖與本文模型的預測點分布圖進行對比。通過觀察各模型預測點分布圖可得，相比較之下EMD-LSSVM模型、VMD-LSSVM模型、VMD-GWO-LSSVM模型的分布點距離實際值較遠，而VMD-IGWO-LSSVM預測模型的預測點距離實際值近。各模型預測點分布圖可以清晰地看出EMD-LSSVM模型、VMD-LSSVM模型在分布點為0-5的區間內偏離實際值較遠，但之后又能貼近實際值分布;VMD-GWO-LSSVM模型和VMD-IGWO-LSSVM模型分布點都能接近實際值，但是VMD-IGWO-LSSVM模型分布點更加緊密;因此，相比較之下，本文預測模型的預測結果更加理想。通過觀察表1可以清晰地看出，（1）對于均方誤差（MSE），VMD-IGWO-LSSVM預測模型的預測精度比VMD-GWO-LSSVM高13.9%，比VMD-LSSVM高15.91%，比EMD-LSSVM高24.25%。（2）對于均方根誤差（RMSE），VMD-IGWO-LSSVM預測模型的預測精度比VMD-GWO-LSSVM高6.72%，比VMD-LSSVM高7.67%，比EMD-LSSVM高11.47%。（3）對于平均絕對誤差（MAE），本文組合預測模型的預測精度分別比VMD-GWO-LSSVM預測模型、VMD-LSSVM預測模型和EMD-LSSVM預測模型高11.68%、29.21%、30.3%。由此可見，本文所提出的VMD-IGWO-LSSVM預測模型精度更高。

3基于多目標粒子群優化算法的融冰決策

在區域電網產生大范圍覆冰時，其中多條輸電線路將會出現不同程度的覆冰情況，會導致系統可靠性降低。現有的融冰方法（直流融冰、交流短路融冰等）大多需要融冰線路退出系統運行，進一步的提高了系統運行風險。不同的融冰決策將會對區域電網融冰周期內的系統可靠性產生不同的影響。為了降低系統運行風險，在保證網絡安全的前提下，合理安排各輸電線路的融冰時段。本文以電能不足期望值最小、系統發電費用最小為目標函數，以系統運行約束和融冰約束為約束條件構建多目標優化融冰決策模型。采用多目標粒子群優化算法對目標函數進行求解，群體中的每個粒子代表一套融冰方案。將約束條件通過懲罰函數的形式體現在適應度函數中，并根據系統的實際運行要求，給出目標函數的允許誤差，誤差均在允許范圍內的為偏好滿意解集。根據分步篩選法計算偏好滿意度解集中各元素的全優序數，全優序數最大的方案為最優融冰方案。

3結束語

近年來，我國覆冰災害等自然災害爆發呈上升趨勢。電網的安全可靠運行關系到國民生計問題，但是其常遭受著覆冰災害等自然災害的侵害。覆冰災害會對電網造成嚴重損失，使得輸電線路以及桿塔受到損害，甚至造成部分地區中斷供電。提升我國電網應對覆冰災害的能力已成為電網穩定運行的一個十分關鍵問題，其有效解決對于保障國民經濟的高速發展和社會穩定有著十分重要的意義。本文在分析輸電線路覆冰機理的基礎上，建立了輸電線路覆冰厚度預測模型，并根據預測結果，提出了多目標優化融冰決策模型，研究工作具有較高的理論價值和實際意義。

參考文獻

[1]袁和金，高亭.MEABP神經網絡輸電線路覆冰厚度短期預測方法[J].電腦編程技巧與維護，2018（07）：40-42+76.

[2]周藝環，馮思朦，蔡勇，王文森.高壓輸電線覆冰連續激光清除系統設計與實驗研究[J].激光與紅外，2021，51（01）：41-45.