一种基于改进堆叠-灰色关联分析的输电杆塔线损预测方法

    公开(公告)号:CN118643339A

    公开(公告)日:2024-09-13

    申请号:CN202410828824.1

    申请日:2024-06-25

    Abstract: 本发明公开了一种基于改进堆叠‑灰色关联分析的输电杆塔线损预测方法,本方法收集输电杆塔线损原始数据,对数据中的缺失值和异常值进行处理,并对数据作归一化处理;然后,利用改进灰色关联分析求取线损与指标的关联度,构建线损关键指标体系;最后,构建堆叠算法的输电杆塔预测模型来预测输电杆塔线损,从而了解到本发明所提出的基于改进堆叠‑灰色关联分析的输电杆塔线损预测方法具有更好的预测精度。相对于传统的灰色关联分析,本发明所提出的熵值法改进的灰色关联分析,更加合理准确,提高了分析结果的精度和可靠性,为企业制定节能降损政策提供较为精确的参考依据。

    一种基于优化灰色预测模型的输电杆塔老化故障评估方法

    公开(公告)号:CN118673714A

    公开(公告)日:2024-09-20

    申请号:CN202410828817.1

    申请日:2024-06-25

    Abstract: 本发明公开了一种基于优化灰色预测模型的输电杆塔老化故障评估方法。该方法首先建立传统的灰色预测模型;接着利用动态寻优法对所建立的传统灰色预测模型进行优化,确定最优背景值;然后利用优化后的灰色模型预测出输电杆塔在接近正常使用温度下的寿命,将失效数据进行有效等维扩充;最后对传统加速模型进行参数修正并检验其显著性,从而了解到本发明所提出的基于优化灰色预测模型的方法具有更好的评估效果。对于传统灰色预测模型的优化,本发明所提出的动态寻优法构造预测模型相较于传统模型的建立能使模型的预测精度提高,可以有效地评估输电杆塔的老化情况和故障风险,采取相应的维护和修复措施,确保输电系统的可靠性和稳定性。

    一种基于改进灰色神经网络的输电杆塔绝缘子故障预测方法

    公开(公告)号:CN118734907A

    公开(公告)日:2024-10-01

    申请号:CN202410828812.9

    申请日:2024-06-25

    Abstract: 本发明公开了一种基于改进灰色神经网络的输电杆塔绝缘子故障预测方法,首先构建传统的灰色模型,其次将灰色理论和人工神经网络算法相结合,构建灰色神经网络模型并对其进行分析;最后在此基础上通过附加动量变学习速率法对灰色神经网络的权值更新策略进行改进,提出一种基于改进灰色神经网络的故障预测模型,从而了解到本发明所提出的基于改进灰色神经网络的输电杆塔绝缘子故障预测方法具有更好的预测精度。相对于传统的灰色神经网络模型,本发明所提出的基于附加动量变学习速率法改进的灰色神经网络模型,优化了灰色神经网络模型的性能,提高了模型的拟合能力和可靠性,对于提高输电系统的可靠性、降低运维成本和提升供电质量具有重要意义。

Patent Agency Ranking