ga优化ts-fnn的架空线路荷载风险预测 risk forecast of t-s fuzzy neural network by optimized ga for overhead line loads.pdfVIP

下载本文档

12
0
约2.8万字
约 8页
2017-09-03 发布于上海
举报
版权申诉

ga优化ts-fnn的架空线路荷载风险预测 risk forecast of t-s fuzzy neural network by optimized ga for overhead line loads.pdf

1、本文档共8页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

ga优化ts-fnn的架空线路荷载风险预测 risk forecast of t-s fuzzy neural network by optimized ga for overhead line loads

本文引用格式：倪良华，肖李俊，吕干云，等 .GA 优化 TS-FNN 的架空线路荷载风险预测 [J]. 新型工业化，2016，6（7）：1-8. DOI： 10.19335/ki.2095-6649.2016.07.001 GA优化TS-FNN的架空线路荷载风险预测倪良华 1 ，肖李俊 1 ，吕干云 1 ，汤智谦 2 ，朱天宇 1 （1．南京工程学院电力工程学院，江苏南京 211167；2．镇江供电公司，江苏镇江 212001）摘要：极端天气下组合荷载的冲击对架空线的运行可靠性产生严重影响，研究架空线路风险预测与评估在预防线路事故中具有现实意义。架空线路荷载风险预测属于求解强耦合时变非线性系统问题，难以建立精确的数学模型求解。基于线路荷载 - 强度的随机特性与干涉原理以及模糊预测理论，建立了基于 GA 优化 T-S 模糊神经网络的线路风险预测模型，提取极端天气下的气象信息典型特征值风速、覆冰厚度、降雨量、气温作为模型输入量，以线路失效概率划分的时间尺度上线路的荷载风险状态作为预测输出量，并采用遗传算法对模糊神经网络参数进行优化。同采用传统理论计算模型和自适应模糊神经网络模型相比，所建立模型具有计算速度快、预测准确度高的优点。具体应用实例验证了模型的实用性和高效性。关键词：架空线路；荷载风险预测；失效概率；T-S 模糊神经网络（TS-FNN）；遗传算法 Risk Forecast of T-S Fuzzy Neural Network by Optimized GA for Overhead Line Loads 1 1 1 2 1 NI Liang-hua , XIAO Li-jun , LV Gan-yun , TANG Zhi-qian , ZHU Tian-yu (1.School Of Electric Power Engineering, Nanjing Institute of Technology , Nanjing 211167, China; 2.Zhenjiang Power Supply Com- pany, Zhenjiang 212001, China) Abstract: The impact of combined loads under extreme weather conditions adversely affects the operation reliability of overhead line. To study the risk assessment of overhead line in prevention accident has practical signiﬁcance. Overhead line risk forecast is a time-varying and nonlinear problem with strong-coupling, which is difﬁcult to establish accurate mathematical model. According to the random properties of load-strength, the interference theory of load-strength and fuzzy predication theory, a new risk forecast model based on the T-S fuzzy neural network by genetic algorithm(GA)is established for overhead line loadsrisk predication, which takes the typical meteorological characteristics under extreme weather conditions as inputs, such as wind speed, ice thickness, rain fall and air temperature, and regards time-scale failure probability of overhead line as an output, moreover the parameters o