發(fā)布時間：2023-05-07 02:51

　　隨著社會經(jīng)濟(jì)的發(fā)展,人們對用電的需求也日益擴(kuò)大,如何提高輸電線路的輸送能力是目前電力部門比較關(guān)注的一個問題。新建或者擴(kuò)建輸電線路不僅需要更多的投資成本,而且建設(shè)周期較長�；谠诰�監(jiān)測裝置的輸電線路動態(tài)增容是以線路的在線監(jiān)測系統(tǒng)為基礎(chǔ),通過對導(dǎo)線溫度和沿線的環(huán)境溫度、風(fēng)速和日照強(qiáng)度等進(jìn)行實時監(jiān)測,動態(tài)地分析線路可提高最大載流量,充分挖掘輸電線路的載流能力。本文首先比較了不同的載流量計算公式,然后對影響導(dǎo)線載流量的相關(guān)因素進(jìn)行了分析,主要包括了日照強(qiáng)度、導(dǎo)線表面系數(shù)、風(fēng)速、導(dǎo)線允許溫度以及環(huán)境溫度等。接著對動態(tài)增容技術(shù)的可行性進(jìn)行了分析,主要從提高導(dǎo)線最大允許溫度、載流量計算邊界條件和金屬材料的高溫性能三個角度去闡述。最后通過對歷史氣象數(shù)據(jù)的學(xué)習(xí)及預(yù)測,提出基于氣象預(yù)測的輸電線路動態(tài)增容方法,從概率模型去分析線路可提升的最大載流量。主要工作包括以下三個方面:首先,本文對BP神經(jīng)網(wǎng)絡(luò)的原理和算法進(jìn)行介紹,然后采用BP神經(jīng)網(wǎng)絡(luò)對某地區(qū)的氣象因素即環(huán)境溫度、風(fēng)速和日照強(qiáng)度進(jìn)行預(yù)測,由于BP算法對環(huán)境溫度、風(fēng)速和日照強(qiáng)度的預(yù)測誤差在可接受范圍內(nèi),因此將預(yù)測出來溫度、風(fēng)速和日照強(qiáng)度的數(shù)據(jù)作為后續(xù)載流...

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 課題背景及研究意義
    1.2 提高輸電線路輸電能力相關(guān)技術(shù)
    1.3 輸電線路動態(tài)增容技術(shù)國內(nèi)外研究現(xiàn)狀
        1.3.1 國外發(fā)展現(xiàn)狀
        1.3.2 國內(nèi)發(fā)展現(xiàn)狀
    1.4 本文的研究內(nèi)容
第二章 輸電線路動態(tài)增容理論分析
    2.1 輸電線路載流量計算公式比較
    2.2 影響導(dǎo)線載流量計算的因素
        2.2.1 氣象因素對載流量的影響
        2.2.2 其它因素對載流量的影響
    2.3 動態(tài)增容技術(shù)的可行性分析
        2.3.1 提高導(dǎo)線最大允許溫度
        2.3.2 載流量計算邊界條件
        2.3.3 金屬材料的高溫性能
    2.4 本章小結(jié)
第三章 基于BP神經(jīng)網(wǎng)絡(luò)的氣象預(yù)測
    3.1 BP神經(jīng)網(wǎng)絡(luò)建立
        3.1.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.1.2 BP神經(jīng)網(wǎng)絡(luò)的算法原理
    3.2 BP神經(jīng)網(wǎng)絡(luò)氣象預(yù)測
        3.2.1 樣本數(shù)據(jù)的歸一化處理
        3.2.2 網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)
    3.3 實際案例氣象預(yù)測分析
    3.4 本章小結(jié)
第四章 基于EMD-PSO-KELM的氣象預(yù)測
    4.1 基于EMD-PSO-KELM的氣象預(yù)測方法
        4.1.1 經(jīng)驗?zāi)B(tài)分解(EMD)
        4.1.2 粒子群優(yōu)化算法(PSO)
        4.1.3 核極限學(xué)習(xí)機(jī)(KELM)
        4.1.4 粒子群優(yōu)化核極限學(xué)習(xí)機(jī)
    4.2 基于EMD-PSO-KELM的氣象預(yù)測實驗分析
        4.2.1 溫度信號的EMD-PSO-KELM預(yù)測分析
        4.2.2 風(fēng)速信號的EMD-PSO-KELM預(yù)測分析
        4.2.3 日照強(qiáng)度信號的EMD-PSO-KELM預(yù)測分析
    4.3 預(yù)測結(jié)果分析
        4.3.1 溫度預(yù)測結(jié)果分析
        4.3.2 風(fēng)速預(yù)測結(jié)果分析
        4.3.3 日照強(qiáng)度預(yù)測結(jié)果分析
    4.4 本章小結(jié)
第五章 基于氣象預(yù)測的輸電線路動態(tài)增容概率模型
    5.1 高斯混合模型(GMM)及其求解方法
        5.1.1 高斯混合模型
        5.1.2 期望最大算法(EM)
    5.2 基于BP神經(jīng)網(wǎng)絡(luò)氣象預(yù)測的載流量動態(tài)增容模型
        5.2.1 BP神經(jīng)網(wǎng)絡(luò)氣象預(yù)測誤差對載流量模型的影響
        5.2.2 建立基于高斯混合分布的載流量動態(tài)增容概率模型
        5.2.3 算例分析
    5.3 基于EMD-PSO-KELM氣象預(yù)測的載流量動態(tài)增容模型
        5.3.1 建立基于高斯混合分布的載流量動態(tài)增容概率模型
        5.3.2 算例分析
    5.4 動態(tài)增容概率模型比較
    5.5 本章小結(jié)
總結(jié)與展望
    總結(jié)
    展望
參考文獻(xiàn)
致謝
個人簡歷
在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文



本文編號：3810101