输电线路覆冰预测及融冰决策研究

张金铃

关键词：输电线路;覆冰预测;融冰决策

1输电线路覆冰气象成因

我国地域辽阔，纬度跨度大，具有热带、亚热带和温带等多种气候。气候现象主要通过改变水热分布及气象条件来影响输电线路覆冰情况。以下几种气候对我国输电线路覆冰影响显著。（1）极涡。极涡是指冬季北半球极区对流层中上层的绕极区气旋式涡旋。它的形成代表着大规模寒潮降温的到来。（2）太阳黑子。太阳黑子是太阳活动产生的现象，通过改变太阳对地球的辐射影响地球气候。（3）拉尼娜现象。拉尼娜是指在地球赤道附近东太平洋中东部海域海水表面温度连续半年以上低于历史平均值0.6℃以上的大规模持续异常低温现象。（4）气温距平。气温距平是气温的一系列数值与平均值的差。以2008年我国南方冰灾为例，冬季亚洲极涡面积大小直接影响了我国冷空气的强弱，对我国冬季的气温影响较大。2007-2008年冬季极涡持续偏強造成了寒冷天气形势的长期、稳定维持，从而导致冷空气源源不断地补充南下，为冰灾的形成、发展创造了有力的气温条件。当时太阳黑子数均在10以下，处于极小值附近。太阳黑子处于低值区是2008年冰灾形成的重要气候背景之一。2008年拉尼娜现象发展到鼎盛时期。自2007年中旬，海水表面温度比往年同期偏低1.2℃，2008年4月赤道附近东太平洋海洋表面温度由较强的负距平回升到历史同期的平均水平，使得拉尼娜现象消退。以长沙为例，1997-2006年的年平均气温都是正距平，气温长期处于偏暖状态。由此可知，我国南方2008年冰灾是在亚洲极涡持续偏强、太阳黑子位于低谷、拉尼娜事件发展到极盛、气温连续10年偏暖的情况下发生。

2基于VMD-IGWO-LSSVM的覆冰预测

覆冰灾害会对电网造成严重损失，使得输电线路以及杆塔受到损害，甚至造成部分地区中断供电。因此，研究覆冰厚度预测模型对我国电网可靠供电有着重要的意义。国内外学者进行了广泛的研究，覆冰预测模型主要分为基于覆冰机理的数学物理模型，例如Makkonen模型、Imai模型、Goodwin模型等。以及基于输电线路覆冰厚度历史数据的统计模型，例如BP神经网络预测模型和SVM回归模型。为了提高覆冰预测的准确性，对输电线路覆冰厚度历史数据序列进行变分模态分解，减少了原始数据序列的复杂度，提高了预测精度;其次，因为架空输电线路运行环境恶劣，缺乏大量且完整的覆冰厚度与气象历史数据，使得仿真计算缺乏足够的样本数据。针对这个问题，本文将采用LSSVM回归模型。最后，在应用LSSVM时，为了提高参数选择，采用IGWO算法对LS-SVM预测模型中的参数，惩罚因子c和核函数宽度进行优化。为了验证本文提出的模型，对于上述覆冰厚度序列，分为训练集和测试集。训练集为样本前5700个数据，测试集为样本后300个数据。分解过程中参数的设置采用文献的方法。由于各模态中心频率值都不相同，采用中心频率值确定模态数K。当分量个数k取11时，μ3、μ4、μ5的中心频率分别0.013、0.028和0.047，出现了3个中心频率相近的分量，为过分解，所以确定模态分解数为K=10。为覆冰厚度数据经VMD分解后的各个模态分量。通过观察VMD分解结果图可以看出，在IMF1时，波动趋于稳定也是所有分量中最缓和的，即波动频率最小;从IMF4波动开始增加，IMF5～IMF10的波动强烈，波动频率大。每个模态分量都减少了原始数据序列的复杂度，展现了覆冰厚度序列的局部特质。因此，将IMF10～IMF5定义为高频分量，IMF4、IMF3为中频分量，IMF2、IMF1为低频分量。低频分量平均幅值较大、变化平缓、不含突变数据，为输电线路覆冰厚度的趋势分量;中频分量变化有一定规律，周期性明显，为周期性分量;高频分量的平均振幅依次减小，规律性差，波动性强，说明输电线路覆冰厚度在复杂环境下受随机因素影响大，是造成预测误差的主要因素。设定LSSVM初始参数c=1，δ=0.01。采用改进灰狼算法对其优化后的最优参数为c=98.73，δ=39.55。对300组测试样本进行预测，为了证明本文模型的优越性，建立了三种LSSVM模型如：EMD-LSSVM模型、VMD-LSSVM模型、VMD-GWO-LSSVM模型、与本文VMD-IGWO-LSSVM模型进行对比。为了直观的分析本文提出的预测模型，描绘出EMD-LSSVM模型、VMD-LSSVM模型、VMD-GWO-LSSVM模型预测点分布图与本文模型的预测点分布图进行对比。通过观察各模型预测点分布图可得，相比较之下EMD-LSSVM模型、VMD-LSSVM模型、VMD-GWO-LSSVM模型的分布点距离实际值较远，而VMD-IGWO-LSSVM预测模型的预测点距离实际值近。各模型预测点分布图可以清晰地看出EMD-LSSVM模型、VMD-LSSVM模型在分布点为0-5的区间内偏离实际值较远，但之后又能贴近实际值分布;VMD-GWO-LSSVM模型和VMD-IGWO-LSSVM模型分布点都能接近实际值，但是VMD-IGWO-LSSVM模型分布点更加紧密;因此，相比较之下，本文预测模型的预测结果更加理想。通过观察表1可以清晰地看出，（1）对于均方误差（MSE），VMD-IGWO-LSSVM预测模型的预测精度比VMD-GWO-LSSVM高13.9%，比VMD-LSSVM高15.91%，比EMD-LSSVM高24.25%。（2）对于均方根误差（RMSE），VMD-IGWO-LSSVM预测模型的预测精度比VMD-GWO-LSSVM高6.72%，比VMD-LSSVM高7.67%，比EMD-LSSVM高11.47%。（3）对于平均绝对误差（MAE），本文组合预测模型的预测精度分别比VMD-GWO-LSSVM预测模型、VMD-LSSVM预测模型和EMD-LSSVM预测模型高11.68%、29.21%、30.3%。由此可见，本文所提出的VMD-IGWO-LSSVM预测模型精度更高。

3基于多目标粒子群优化算法的融冰决策

在区域电网产生大范围覆冰时，其中多条输电线路将会出现不同程度的覆冰情况，会导致系统可靠性降低。现有的融冰方法（直流融冰、交流短路融冰等）大多需要融冰线路退出系统运行，进一步的提高了系统运行风险。不同的融冰决策将会对区域电网融冰周期内的系统可靠性产生不同的影响。为了降低系统运行风险，在保证网络安全的前提下，合理安排各输电线路的融冰时段。本文以电能不足期望值最小、系统发电费用最小为目标函数，以系统运行约束和融冰约束为约束条件构建多目标优化融冰决策模型。采用多目标粒子群优化算法对目标函数进行求解，群体中的每个粒子代表一套融冰方案。将约束条件通过惩罚函数的形式体现在适应度函数中，并根据系统的实际运行要求，给出目标函数的允许误差，误差均在允许范围内的为偏好满意解集。根据分步筛选法计算偏好满意度解集中各元素的全优序数，全优序数最大的方案为最优融冰方案。

3结束语

近年来，我国覆冰灾害等自然灾害爆发呈上升趋势。电网的安全可靠运行关系到国民生计问题，但是其常遭受着覆冰灾害等自然灾害的侵害。覆冰灾害会对电网造成严重损失，使得输电线路以及杆塔受到损害，甚至造成部分地区中断供电。提升我国电网应对覆冰灾害的能力已成为电网稳定运行的一个十分关键问题，其有效解决对于保障国民经济的高速发展和社会稳定有着十分重要的意义。本文在分析输电线路覆冰机理的基础上，建立了输电线路覆冰厚度预测模型，并根据预测结果，提出了多目标优化融冰决策模型，研究工作具有较高的理论价值和实际意义。

参考文献

[1]袁和金，高亭.MEABP神经网络输电线路覆冰厚度短期预测方法[J].电脑编程技巧与维护，2018（07）：40-42+76.

[2]周艺环，冯思朦，蔡勇，王文森.高压输电线覆冰连续激光清除系统设计与实验研究[J].激光与红外，2021，51（01）：41-45.