资源分类
电力行业论文
电力行业期刊
电力行业成果
电力行业专利
电力工业标准
能源、核技术
电工
电子与信息技术
- > 电子元器件与信息技术综合
- > 电子元件
- > 电真空器件
- > 半导体分立器件
- > 微电路
- > 计算机
- > 信息处理技术
- > 电子测量与仪器
- > 电子设备专用材料、零件、结构件
- > 电子工业生产设备
仪器仪表
- > 仪器、仪表综合
- > 工业自动化仪表与控制装置
- > 电工仪器仪表
- > 物质成分分析仪器与环境监测仪器
- > 实验室仪器与真空仪器
- > 试验机与无损探伤仪器
工程建设
其他相关行业
电力行业机构
电力企业
采矿业
制造业
- > 通用设备制造业
- > 专用设备制造业
- > 交通运输设备制造业
- > 电气机械及器材制造业
- > 通信设备、计算机及其他电子设备制造业
- > 仪器仪表及文化、办公用机械制造业
- > 金属制品业
- > 非金属矿物制品业
基于AMPSO和GRNN的绝缘子污秽度预测模型 2017年7月30日 【正式出版版本】 【曾经优先出版版本】
基于AMPSO和GRNN的绝缘子污秽度预测模型
Prediction Model for Insulator Contamination Degree Based on AMPSO and GRNN 2017年7月30日 【正式出版版本】 【曾经优先出版版本】
Prediction Model for Insulator Contamination Degree Based on AMPSO and GRNN
-
摘要： - 绝缘子表面沉积的污秽物是造成污闪事故的主要原因,而污闪事故对电力系统的安全稳定运行构成较大威胁,因此,需要定期对输电线路绝缘子进行检修和清扫作业以避免污闪事故发生.针对此,利用广义回归神经网络(general regression neural network,GRNN)来预测绝缘子表面等值附盐密度(equivalent salt deposit density,ESDD),但GRNN中平滑因子的取值对网络的预测性能有较大影响,因而利用自适应变异粒子群(adaptive mutation particle swarm optimization, AMPSO)算法来选取GRNN的最佳平滑因子.进一步提出经AMPSO优化的GRNN对绝缘子污秽度的预测模型,预测结果表明,所提优化预测模型可以对绝缘子的ESDD数值进行有效预测,且预测误差相对较小.
-
Abstract： - Contamination on the surface of insulator is the main cause for pollution flashover, and accidents of pollution flashover may threaten safe and stable operation of the power system.Thus, it requires regular maintenance and cleaning work to avoid pollution flashover accidents.Therefore, this paper uses generation regression neural network (GRNN) to predict equivalent salt deposit density (ESDD) on the surface of insulator.But the value of smooth factor in GRNN has great impact on prediction performance of the network, it tries to use adaptive mutation particle swarm optimization (AMPSO) to select optimal smooth factor of GRNN.Furthermore, it proposes a GRNN prediction model for contamination degree of the insulator based on AMPSO and prediction results indicate the proposed model can perform effective prediction on ESDD of the insulator and the prediction error is comparatively less.
|
|
李哲
[1]
姜昀芃
[2]
卢明
[1]
华奎
[2]
刘善峰
[1]
段晓红
[3]
|
|---|---|
| Author： | LI Zhe[1] JIANG Yunpeng[2] LU Ming[1] HUA Kui[2] LIU Shanfeng[1] DUAN Xiaohong[3] |
|
|
|
|
|
广东电力 ISTIC EI SCI PKU CSSCI |
|
|
Guangdong Electric Power ISTIC EI SCI PKU CSSCI |
|
|
2017, 30(7) |
|
|
TM216 |
|
|
绝缘子
等值附盐密度
预测模型
自适应变异粒子群
广义回归神经网络
|
|
|
insulator equivalent salt deposit density prediction model adaptive mutation particle swarm optimization general regression neural network |
|
|
|
|
|
2017年8月30日 |
|
|
国家电网公司重大基础前瞻科技项目 |
返回顶部参考文献
返回顶部引证文献
返回顶部本文读者也读过
返回顶部相似文献
返回顶部相关博文
京公网安备11010802020237号