基于改进机器学习的输电线路弧垂温度估计方法

基于改进机器学习的输电线路弧垂温度估计方法
针对采空区地质塌陷造成的杆塔倾斜、线缆断裂以及现有输电线路弧垂和温度监测过于依赖传感器等问题，提出基于改进机器学习的输电线路弧垂温度估计方法。首先，利用安装在线路上的智能摄影机和传感器获得线路的弧垂温度图像数据。然后，基于远程无线通信传输至数据采集与监视控制系统(SCADA)，基于遗传-支持向量机(GA-SVM)算法估计输电线路的弧垂，采用GA-Elman神经网络算法估计输电线路的温度，准确跟踪输电线路状态。最后通过搭建仿真平台对所提方法进行分析验证，实验结果表明所提方法能够快速获取复杂环境下的监测数据，并且弧垂温度估计准确率高于对比方法。

标题：
基于改进机器学习的输电线路弧垂温度估计方法
Sag and temperature estimation method based on improved machine learning for transmission line

作者：
宰红斌，吴浩林，王昊，王凯
ZAI Hongbin, WU Haolin, WANG Hao, WANG Kai

关键词：
LoRa通信;输电线路;弧垂;遗传-支持向量机(GA-SVM)算法;GA-Elman神经网络算法;非接触式监测
LoRa communication;transmission line;sag temperature estimation;genetic algorithm support vector machine (GA-SVM) algorithm;genetic algorithm elman neural network algorithm

基于改进机器学习的输电线路弧垂温度估计方法.pdf

文件大小:

2.81 MB

高速下载