張金鈴

關(guān)鍵詞：輸電線路;覆冰預(yù)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(xiàn)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?qū)ξ覈旊娋€路覆冰影響顯著。（1）極渦。極渦是指冬季北半球極區(qū)對流層中上層的繞極區(qū)氣旋式渦旋。它的形成代表著大規(guī)模寒潮降溫的到來。（2）太陽黑子。太陽黑子是太陽活動產(chǎn)生的現(xiàn)象，通過改變太陽對地球的輻射影響地球氣候。（3）拉尼娜現(xiàn)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(xù)半年以上低于歷史平均值0.6℃以上的大規(guī)模持續(xù)異常低溫現(xiàn)象。（4）氣溫距平。氣溫距平是氣溫的一系列數(shù)值與平均值的差。以2008年我國南方冰災(zāi)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(xù)偏強造成了寒冷天氣形勢的長期、穩(wěn)定維持，從而導(dǎo)致冷空氣源源不斷地補充南下，為冰災(zāi)的形成、發(fā)展創(chuàng)造了有力的氣溫條件。當時太陽黑子數(shù)均在10以下，處于極小值附近。太陽黑子處于低值區(qū)是2008年冰災(zāi)形成的重要氣候背景之一。2008年拉尼娜現(xiàn)象發(fā)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(xiàn)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(tài)。由此可知，我國南方2008年冰災(zāi)是在亞洲極渦持續(xù)偏強、太陽黑子位于低谷、拉尼娜事件發(fā)展到極盛、氣溫連續(xù)10年偏暖的情況下發(fā)生。

2基于VMD-IGWO-LSSVM的覆冰預(yù)測

覆冰災(zāi)害會對電網(wǎng)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(qū)中斷供電。因此，研究覆冰厚度預(yù)測模型對我國電網(wǎng)可靠供電有著重要的意義。國內(nèi)外學(xué)者進行了廣泛的研究，覆冰預(yù)測模型主要分為基于覆冰機理的數(shù)學(xué)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(shù)據(jù)的統(tǒng)計模型，例如BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型和SVM回歸模型。為了提高覆冰預(yù)測的準確性，對輸電線路覆冰厚度歷史數(shù)據(jù)序列進行變分模態(tài)分解，減少了原始數(shù)據(jù)序列的復(fù)雜度，提高了預(yù)測精度;其次，因為架空輸電線路運行環(huán)境惡劣，缺乏大量且完整的覆冰厚度與氣象歷史數(shù)據(jù)，使得仿真計算缺乏足夠的樣本數(shù)據(jù)。針對這個問題，本文將采用LSSVM回歸模型。最后，在應(yīng)用LSSVM時，為了提高參數(shù)選擇，采用IGWO算法對LS-SVM預(yù)測模型中的參數(shù)，懲罰因子c和核函數(shù)寬度進行優(yōu)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(xùn)練集和測試集。訓(xùn)練集為樣本前5700個數(shù)據(jù)，測試集為樣本后300個數(shù)據(jù)。分解過程中參數(shù)的設(shè)置采用文獻的方法。由于各模態(tài)中心頻率值都不相同，采用中心頻率值確定模態(tài)數(shù)K。當分量個數(shù)k取11時，μ3、μ4、μ5的中心頻率分別0.013、0.028和0.047，出現(xiàn)了3個中心頻率相近的分量，為過分解，所以確定模態(tài)分解數(shù)為K=10。為覆冰厚度數(shù)據(jù)經(jīng)VMD分解后的各個模態(tài)分量。通過觀察VMD分解結(jié)果圖可以看出，在IMF1時，波動趨于穩(wěn)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(tài)分量都減少了原始數(shù)據(jù)序列的復(fù)雜度，展現(xiàn)了覆冰厚度序列的局部特質(zhì)。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(shù)據(jù)，為輸電線路覆冰厚度的趨勢分量;中頻分量變化有一定規(guī)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(guī)律性差，波動性強，說明輸電線路覆冰厚度在復(fù)雜環(huán)境下受隨機因素影響大，是造成預(yù)測誤差的主要因素。設(shè)定LSSVM初始參數(shù)c=1，δ=0.01。采用改進灰狼算法對其優(yōu)化后的最優(yōu)參數(shù)為c=98.73，δ=39.55。對300組測試樣本進行預(yù)測，為了證明本文模型的優(yōu)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(yù)測模型，描繪出EMD-LSSVM模型、VMD-LSSVM模型、VMD-GWO-LSSVM模型預(yù)測點分布圖與本文模型的預(yù)測點分布圖進行對比。通過觀察各模型預(yù)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(yù)測模型的預(yù)測點距離實際值近。各模型預(yù)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(qū)間內(nèi)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(yù)測模型的預(yù)測結(jié)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(yù)測模型的預(yù)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(yù)測模型的預(yù)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(yù)測模型的預(yù)測精度分別比VMD-GWO-LSSVM預(yù)測模型、VMD-LSSVM預(yù)測模型和EMD-LSSVM預(yù)測模型高11.68%、29.21%、30.3%。由此可見，本文所提出的VMD-IGWO-LSSVM預(yù)測模型精度更高。

3基于多目標粒子群優(yōu)化算法的融冰決策

在區(qū)域電網(wǎng)產(chǎn)生大范圍覆冰時，其中多條輸電線路將會出現(xiàn)不同程度的覆冰情況，會導(dǎo)致系統(tǒng)可靠性降低。現(xiàn)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(tǒng)運行，進一步的提高了系統(tǒng)運行風險。不同的融冰決策將會對區(qū)域電網(wǎng)融冰周期內(nèi)的系統(tǒng)可靠性產(chǎn)生不同的影響。為了降低系統(tǒng)運行風險，在保證網(wǎng)絡(luò)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(tǒng)發(fā)電費用最小為目標函數(shù)，以系統(tǒng)運行約束和融冰約束為約束條件構(gòu)建多目標優(yōu)化融冰決策模型。采用多目標粒子群優(yōu)化算法對目標函數(shù)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(shù)的形式體現(xiàn)在適應(yīng)度函數(shù)中，并根據(jù)系統(tǒng)的實際運行要求，給出目標函數(shù)的允許誤差，誤差均在允許范圍內(nèi)的為偏好滿意解集。根據(jù)分步篩選法計算偏好滿意度解集中各元素的全優(yōu)序數(shù)，全優(yōu)序數(shù)最大的方案為最優(yōu)融冰方案。

3結(jié)束語

近年來，我國覆冰災(zāi)害等自然災(zāi)害爆發(fā)呈上升趨勢。電網(wǎng)的安全可靠運行關(guān)系到國民生計問題，但是其常遭受著覆冰災(zāi)害等自然災(zāi)害的侵害。覆冰災(zāi)害會對電網(wǎng)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(qū)中斷供電。提升我國電網(wǎng)應(yīng)對覆冰災(zāi)害的能力已成為電網(wǎng)穩(wěn)定運行的一個十分關(guān)鍵問題，其有效解決對于保障國民經(jīng)濟的高速發(fā)展和社會穩(wěn)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(chǔ)上，建立了輸電線路覆冰厚度預(yù)測模型，并根據(jù)預(yù)測結(jié)果，提出了多目標優(yōu)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(jīng)網(wǎng)絡(luò)輸電線路覆冰厚度短期預(yù)測方法[J].電腦編程技巧與維護，2018（07）：40-42+76.

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