配电线路风灾损失混合预测算法研究——以湛江地区为例

我国沿海地区是风灾影响的重灾区,每年登陆的高强度热带气旋均会造成配电线路大面积倒杆、断杆、断线及其他设备受损,给社会与经济发展带来严重影响.本文通过利用2006-2014年湛江地区配电线路的风灾受损数据,提出一种新颖的特征提取方法并融合神经网络、遗传程序设计和多表达式程序设计算法建立一个混合预测模型来预测风灾下的配电线路受损情况.结果表明本文提出的方法是可行、有效的,为灾后快速抢修复电提供决策支持.     

基于改进的TS模糊神经网络的华南台风灾情预测模型

为改善TS模糊神经网络在台风灾情中的预测精度并减少运算时间,该文利用改进的TS模糊神经网络建立华南地区台风灾情预测模型.首先选取1981-2016年登陆华南地区的台风灾害历史数据,运用灰色关联度法选取承灾体因子、防灾减灾因子;其次利用主成分分析法对因子进行线性降维;然后引入模糊C-均值聚类(FCM)确定隶属度函数的中心;最后对华南地区台风灾情进行预测试验,并将结果与TS模糊神经网络、BP神经网络的试验结果进行比较,结果表明,改进的TS模糊神经网络预测精度最优,且训练预测用时较短.     

台风灾害应急物资需求预测模型

为了快速科学地了解台风灾害发生后灾区所需救灾物资的类型、数量及其在时序上和空间上的需求情况,通过对中国登陆台风历史资料的统计,分析成灾因子、孕灾环境、承灾体、区域应急能力等,提出了基于精细网格的台风灾损空间模型及应急物资需求定性预测模型。根据此模型能在灾害过程中快速预测灾区受灾情况,预测灾区救援物资的定性需求。将该模型运用于台风的实例中,验证了模型科学有效。     

一种面向工程应用的台风强度统计预测方法

为实现台风强度的年变化预测,提出了一种基于灰色均生函数模型的预测方法。选取最大风速作为台风强度的指标,利用中国气象局发布的西北太平洋台风资料,建立台风登陆和未登陆情况下的预测模型,做5 a预测,并与观测结果对比。结果表明:灰色均生函数模型对台风强度的预测具有较高精度,年平均值最大绝对误差为4.4 m/s,低于2012年各站25次台风强度的数值模式预测结果平均值;年极值最大绝对误差为11.1 m/s,低于上海台风模式对台风个例的预报结果。     

沿海地区配电线路防风灾措施研究

配电线路运行的稳定性直接关系到社会及国民经济的健康发展.但每年平均约有9个热带气旋登陆我国沿海地区,对配电线路带来极其严重影响.本文结合实际防风抗风工作的实践经验,梳理、归纳与研究配电线路防风灾的一整套措施,期望对沿海地区各级电力单位的配电线路防风灾工作提供一种科学、系统的实施方案,同时为探索智能电网建设提供一条可参考的路径.     

长江三角洲地区1644—1949年重大台风灾害年辨识与重建

为从较长时间上探讨长江三角洲地区台风灾害的发生情况,基于灾害影响县次,对1644—1949年长江三角洲地区重大台风灾害年进行排序.结果表明:1696年台风灾害影响范围为38县次,在300a中仅此一年;1724年和1781年的台风灾害属100～300a一遇;50～100a一遇的台风灾害分别发生在1732年、1747年和1877年.1696年和1732年的受灾区域大都分布在长江口附近,1724年、1747年和1781年分布在长江口和杭州湾附近,而1877年主要集中在长江南部和杭州湾北部地区.1696年的两次台风均是由上海附近登陆,第1次的暴雨和风暴潮及第2次的风暴潮都造成洪涝灾害;1724年台风登陆地点位于上海奉贤附近,暴雨和风暴潮同时成灾;1781年台风登陆地点为嘉善县附近,主要为风暴潮致灾;1732年台风登陆地点为长江口南上海地区,台风暴雨和风暴潮同时造成洪涝灾害;1747年台风登陆地点为宝山、崇明附近,主要是台风带来的风暴潮致灾;1877年台风登陆地点为太仓、宝山、嘉定县附近,主要是大风及暴雨致灾.     

基于模糊神经网络的供热负荷预测

首先在对供热负荷预测算法的发展现状主要成果阐述的基础上,对影响供热预测因素采用模糊量化的方式进行研究处理,并由此推断将模糊神经网络算法应用于供热负荷预测可以得到良好的效果.研究模型的设计核心是BP神经网络,即将模糊量化后的影响因素作为系统的输入值,去调整神经网络的权值,从而得到预测的网络模型.建立预测模型和预测策略后,可以采用Matlab科学计算软件开发程序对预测模型效果进行模拟仿真,结果表明,预测的结果能够满足要求,相对误差在合理的范围内,并且模糊神经网络算法比单纯神经网络算法具有更好的预测精度和鲁棒特性,从而达到节能的目的.且适应性强,可以应用到类似的供热工程上.     

基于随机森林的热轧带钢质量分析与预测方法

以某钢铁企业的热轧带钢生产实际数据作为分析对象,基于改进的随机森林算法分析工艺参数与产品质量间的隐含关系,进行影响产品质量关键工艺参数的特征提取,建立热轧带钢产品缺陷预测模型.实验结果表明,对非平衡数据集进行平衡处理可以提高样本预测精度;采用CART与C4.5相结合的方法比单一方法可以进一步提升预测精度;同时根据特征的高相关与低相关特性,将互信息作为评价指标应用于特征选择,可以提升随机森林算法的分类效果.在以上三种改进策略下,热轧带钢缺陷的识别率得到明显提高.     

基于阻尼耗能原理的高压输电塔风振抑制方法

由于输电线路的风致振动可降低输电杆/塔、导线和金具连接件的疲劳强度,严重时可导致倒杆/塔、断线等事故,对基于阻尼耗能原理的风振抑制措施进行研究.首先,采用有限元分析软件ANSYS,分析输电塔-线体系的风致振动响应;然后,提出基于阻尼器耗能原理的输电塔振动抑制策略,根据杆塔的结构特点,设计并比较分析多种阻尼器布置方案对风振的抑制效果.最后,在广东省某线路上实施该方案,在2012-08“启德”台风登陆期间,在9～10级台风(风速21～24 m/s)时,监测到输电塔的振动加速度.研究结果表明:将阻尼器布置在塔身中上部主材上可以更有效地消耗风振能量,控制风振幅值;采用该方案测得“启德”台风登陆期间输电塔的振动加速度下降60％～70％,为输电线路防强风灾害防治、提高线路容灾能力提供了一种有效方法.     

基于互信息的组合预测模型及其在电力负荷预测中的应用

应用互信息度量单个预测模型的精度, 然后以互信息为评价指标,应用模糊评判法赋予各个预测模型相应的权重,籍此建立一个新的组合预测模型.将此组合预测模型用于电力负荷预测,实例表明,互信息能有效地度量单个预测模型的精度,且能取得与传统的误差分析指标一致的评价结果.经多个误差分析指标的评价,基于互信息的组合预测模型提高了预测精度,优于基于熵的组合预测模型.     

基于GWO-ELM算法模型的水体含沙量预测

泥沙含量的演变受多种因素的影响,为了快速、准确地对水中泥沙含量进行高精度预测,为泥沙治理以及合理利用水土资源提供理论依据,提出了一种基于GWO-ELM算法模型的水体含沙量预测方法.首先,将影响泥沙含量的8种原始影响因子赋予权重,利用主成分分析(principal component analysis,PCA)法提取出4...     

基于膜算法进化极限学习机的氧气转炉炼钢终点预报模型

氧气转炉炼钢的控制目标是终点温度和碳含量,但由于不能对其进行在线连续测量,直接影响了出钢的质量.针对该问题,提出一种基于膜算法进化极限学习机(ELM)的抗干扰终点预报模型.利用进化膜算法的全局寻优能力调整ELM网络参数,不仅避免了ELM网络受异常点影响出现过拟合现象,还可以寻找最优复杂度的ELM模型.将找到的ELM模型应用到转炉炼钢领域并建立终点碳含量和温度的预报模型.在仿真实验中,分别使用含有高斯噪声的标准sin C函数和氧气转炉炼钢实际生产数据进行仿真,结果表明所提模型在含噪声的数据中具有较好的预报精度和鲁棒性.     

基于ELM神经网络的FAST节点位移预测研究

针对ELM神经网络隐含层节点数目需要人工设定,容易出现过拟合现象从而导致网络的泛化能力降低的问题,引出了基于误差最小化的ELM神经网络的改进方法 EM_ELM算法,并在理论上论证了EM_ELM算法对于提高ELM神经网络预测精度和泛化能力的可行性.随后将EM_ELM算法应用到FAST节点位移的预测模型中,并且进行了仿真验证.仿真结果表明虽然EM_ELM神经网络在训练时间上有了一定的损失,但是仍能满足实时性的要求,而且它的预测精度和泛化能力都得到提升,证明了改进算法的有效性与可行性,进一步说明了EM_ELM神经网络更适合应用于FAST节点位移预测.     

基于机器学习方法的地震破坏预测

地震破坏预测研究对于建筑结构减灾规划、震前风险预测、震后应急评估有着重要意义。传统的方法因为受到震害资料数量的限制以及计算精度和能力的制约,一般基于经验只考虑少数因素对结构破坏的影响。通过使用随机森林算法,设计了一个综合考虑地震动、结构和场地等多维度信息的分类方法,用以预测建筑物的地震破坏程度。本文研究框架基于新西兰国家地震委员会所收集的27次地震详细破坏资料,处理得到14.2万条高质量建筑物损失数据,考虑了谱加速度、建筑形状、层数等16个影响因素,将4种不同的损伤状态作为模型的学习标签进行地震破坏预测训练。结果表明,随机森林算法在6种分类算法中性能最佳,经过学习曲线法调参、代价敏感学习之后,经过优化得到的随机森林模型对于测试集的整体预测精确率可以达到75.4%,对4种损伤标签的召回率分别达到了88.2%、55.0%、60.7%和70.8%,远好于其他方法。当只考虑对结果影响最重要的前12个因素,该模型的预测精度仍然能够达到73.7%。可见,基于此框架所训练的预测模型具有良好的精度与适用性,同时该框架对于中国震害资料大数据库的研究具有较高的参考价值。     

基于改进神经网络及地理信息系统空间分析的风暴潮经济损失评估

台风风暴潮是影响我国最严重的海洋灾害之一,台风风暴潮经济损失的预评估对防灾减灾有重要作用。针对目前大量单机器学习模型评估效果不佳的问题,提出基于天牛须搜索算法优化的BP神经网络及GIS空间分析的台风风暴潮经济损失评估模型。该模型在神经网络训练前,先利用天牛须搜索算法对神经网络的初始权值阈值进行优化,以提高网络的寻优精度;在网络输出计算结果后,借助GIS空间分析功能找出待评估台风风暴潮的相似样本,并用相似样本对待评估台风风暴潮进行结果调整;最后基于悲观、乐观估计思想,给出台风风暴潮经济损失预评估区间。计算结果表明,结合GIS空间分析调整能给出更有效的模型评估结果。     

基于特征选择ELM的乳腺肿块检测算法

乳腺肿块检测是防治乳腺癌的有效途径,基于乳腺X射线图像特征模型的极限学习机(ELM)分类算法已被应用于计算机辅助检测乳腺肿块中.针对由于特征间的依赖性导致的ELM学习效率和检测准确度低的问题,提出了基于特征选择ELM的乳腺肿块检测算法.利用影响值选择、序列前向选择和遗传选择等方法进行特征选择,进而利用该结果提高ELM的性能.通过490例来自辽宁省肿瘤医院的乳腺X射线图像的实验表明,基于特征选择ELM的乳腺肿块检测算法能有效提升乳腺肿块检测的效果,其中以遗传选择对ELM性能提升最明显.     

露天矿卡车外排土场内部运距预测模型

为有效提高外排土场物料移运规划中运输功能耗模型的精度,以建立更为详细的排弃物料堆置次序优化、规划模型,针对年末排土计划中尚缺乏逐条带运距推估方法的问题展开研究,提出一种采用极限学习机算法(ELM)训练多元非线性运距曲线的预测模型,并将年末排土工程计划位置上已设计运输线路的排土条带作为训练样本,训练预测模型学习运距与影响因子间的时变特征,最终通过非线性运距表达推估待排物料块体的时变运距。为进一步增强ELM算法的预测精度,利用改进粒子群算法建立基于结构风险最小化的参数优化算法,改善了传统经验风险最小化算法的泛化能力,提高了算法预测精度。研究结果表明:采用模拟试算图解法最终确定ELM模型隐含层节点数为27;仿真测试中得出文中算法预测精度评价指标分别为均方误差0.006 8、拟合优度0.995 3、相对误差期望0.027%、绝对误差期望0.62、错估系数0.03、执行效率1.49s;对比多组智能算法预测模型,其绝对误差分别0.116 2、0.094 7、0.139 1,其错估系数分别为0.230、0.200、0.266,算法明显具有更好的预测效果。     

基于天牛须搜索算法的短期风电功率组合预测

为了提高风电功率预测精度,提出了一种完全集成经验模态分解(complete ensemble empirical mode decomposition adaptive noise,CEEMDAN)、极限学习机(extreme learning machine,ELM)和改进天牛须搜索算法(improved beetl...     

COREX冷煤气成分预测的二步建模方法

针对熔融气化炉冷煤气成分含量,提出了基于熵权模糊C均值聚类和偏最小二乘的COREX冷煤气成分预测方法.建模过程中首先根据料单中各种原料的单耗量,利用熵权模糊C均值聚类的方法将料单聚类成若干种料单类别,然后针对不同的料单类别,利用偏最小二乘法分别建立冷煤气成分预测模型.对宝钢COREX-1#炉实际生产数据验证结果表明:该方法可以有效地建立COREX冷煤气成分预测模型,具有较好的预测精度.