[发明专利]基于k‑VNN和LS‑SVM的输电线路覆冰建模方法

摘要

本发明公开了一种基于k‑VNN和LS‑SVM的输电线路覆冰建模方法，首先以线路杆塔微气象站提供的历史数据为基础，读入微气象参数值并转化为向量形式；引入k‑VNN算法以从线路覆冰样本数据库选取合适的样本，计算信息向量的欧式距离与夹角信息；有选择性的删除和保留信息向量相似区域即邻近点构成训练样本；通过交叉确认的方法对k‑VNN邻近算法选取的样本数量进行寻优，以获得LS‑SVM模型中合适的核函数K(xi,xj)宽度σ及误差惩罚因子γ等参数，寻找到最优；参数设定好后，采用最小二乘支持向量机LS‑SVM进行相关数据的训练，最后获得覆冰厚度。本发明的算法预测精度较高，速度极快，适合用于输电线路覆冰的短期覆冰预测。

主权项

一种基于k‑VNN和LS‑SVM的输电线路覆冰建模方法，其特征在于，包括如下步骤：步骤1：首先以线路杆塔微气象站提供的历史数据为基础，读入微气象参数值并转化为向量形式；步骤2：引入k‑VNN算法以从线路覆冰样本数据库选取合适的样本，计算信息向量的欧式距离与夹角信息；步骤3：有选择性的删除和保留信息向量相似区域即邻近点构成训练样本；步骤4：通过交叉确认的方法对k‑VNN邻近算法选取的样本数量进行寻优，以获得LS‑SVM模型中合适的核函数K(xi,xj)宽度σ及误差惩罚因子γ参数，寻找到最优；步骤5：参数设定好后，采用最小二乘支持向量机LS‑SVM进行相关数据的训练，最后获得覆冰厚度；所述步骤4中的交叉确认的方法为：定义误差累积函数errorsum：errorsum=Σj∈Sj|f(xj)-yj|]]>其中f(xj)为经过LS‑SVM建模之后的模型，yj为系统的实际值；通过对误差比较，得出相对合理的样本个数Sj；样本个数Sj确定之后，定义误差均值函数MSEji：MSEji=Σj∈Sji|f(xji)-yji|]]>进行k次迭代之后，可得到k个误差，取其均值：kMSE=Σi=1kMSEjik]]>多次测试之后，选择kMSE值最小的组合。