考虑时间累积效应的GA-LSSVM输电线路覆冰厚度预测模型

贺晓倩，魏业文，薛传荣，吴先用

（1.三峡大学 电气与新能源学院，湖北宜昌 443002；2.三峡大学 湖北省输电线路工程技术研究中心，湖北宜昌 443002；3.中国华水水电开发有限公司，成都 610041）

引言

输电线覆冰是由于过冷水滴凝固粘附于输电线而形成的自然现象[1,2]，常见于气候极寒、高中海拔地区[3]。覆冰较厚或持续时间较长时，作用在输电线上的拉力及作用在铁塔上的重力超出其极限承载能力，极易造成断线或倒塔事故，且事故一般发生于气候恶劣且交通不便的山区地带[4]，抢修需要花费巨大的人力物力。对输电线覆冰现象进行持续监测、准确预警、高效举措，严防断线倒塔事故的发生具有十分重要的科学意义。为此，国内外学者对输电线覆冰厚度的自动测量和精准预测展开了广泛研究[5-8]。

输电线路覆冰厚度的变化与众多微气象因素（包括温度、湿度、风速、气压等）有关。近年来，众多研究人员对覆冰厚度变化与微气象之间存在高度的复杂性与非线性[9]展开了针对性的研究，并采用智能预测模型得到了有效的预测结果，其中基于神经网络[10]和支持向量机的预测模型[11]最为典型。郭开春等[12]考虑了微气象因素对覆冰厚度的影响权重，并采用粒子群优化算法（PSO）实现对最小二乘支持向量机（LSSVM）参数的优化，建立了PSOLSSVM预测模型；汪晗等［13］采用狼群算法（WPA）对LSSVM的惩罚因子C和核函数参数σ2进行优化，建立了WPA-LSSVM预测模型。陈勇［14］等则采用主成分分析法（PCA）提取微气象数据中的有效信息，并采用遗传优化算法（GA）对参数C和σ2进行优化，建立离线最小二乘支持向量机（LS-SVM）模型。……