基于量子粒子群与小波神经网络的输电线路覆冰预测方法

摘要

本发明涉及的是基于量子粒子群与小波神经网络的输电线路覆冰预测方法，这种基于量子粒子群与小波神经网络的输电线路覆冰预测方法包括以下步骤：获取历史覆冰气象数据：环境温度、湿度、风速、风向、气压、导线温度以及覆冰厚度；利用小波神经网络建立覆冰厚度预测模型；对上述模型通过加入干扰因子的量子粒子群算法优化初始参数；输入历史覆冰数据得出输电线路覆冰预测厚度。本发明具有预测精度高、收敛速度快等优点，能够有效预测线路覆冰变化规律，可以应用于输电线路覆冰灾害预警与处理。

主权项

一种基于量子粒子群与小波神经网络的输电线路覆冰预测方法，其特征在于：这种基于量子粒子群与小波神经网络的输电线路覆冰预测方法：步骤1：获取输电线路覆冰历史数据，包括环境温度、湿度、风速、风向、气压、导线温度以及覆冰厚度，对获取的原始数据进行归一化处理，得到归一化数据；    步骤2：利用步骤1获取的归一化数据构建基于小波神经网络的覆冰厚度预测模型；基于小波神经网络的覆冰厚度预测模型包括输入层、隐含层及输出层；所述小波神经网络预测模型参数包括输入层神经元、隐含层神经元及输出层神经元；所述输入层神经元为归一化后的环境温度、湿度、风速、风向、气压、导线温度；所述隐含层神经元为个隐含层节点，根据实际训练精度进行调整；所述输出层神经元为覆冰厚度值；基于小波神经网络的覆冰厚度预测模型中所述隐含层神经元小波基函数为式(2)：(2)式中，与为伸缩平移尺度因子，，取Morlet小波：          (3)   所述输出层神经元通过选择Sigmoid函数：(4)   小波神经网络的输入输出可以表示为：        (5)   式中，(6)(7)(8)(9)(10)式（6）—（10）中，为样本个数，、、、为网络学习速率，为网络动量因子；步骤3：利用加入干扰因子的量子粒子群算法获取步骤2构建的预测模型的最优初始参数；步骤4：利用步骤3获取的预测模型的最优初始参数，计算预测模型输出，通过将模型的输出反归一化获取输电线路覆冰预测厚度。