1、近年來，國內(nèi)外多次遭遇架空輸電線覆冰事故，影響電網(wǎng)的安全穩(wěn)定運(yùn)行，嚴(yán)重時(shí)會(huì)導(dǎo)致大面積停電事故，影響人們的正常生活，并給電網(wǎng)造成巨大的經(jīng)濟(jì)損失。因此，有必要對(duì)輸電線覆冰厚度進(jìn)行預(yù)測。
　　目前，輸電線覆冰厚度的預(yù)測方法有BP神經(jīng)網(wǎng)絡(luò)、灰色理論和RBF神經(jīng)網(wǎng)絡(luò)等。其中，BP神經(jīng)網(wǎng)絡(luò)收斂速度慢而且容易收斂到局部極值；灰色理論對(duì)原始數(shù)據(jù)不是呈指數(shù)增長時(shí)，其預(yù)測精度較低；RBF神經(jīng)網(wǎng)絡(luò)處理高維度問題時(shí)會(huì)讓學(xué)習(xí)更加費(fèi)時(shí)。而支持向量機(jī)算法可以較

2、好的處理收斂速度慢，高維度等問題，因此本文選擇支持向量機(jī)來對(duì)輸電線覆冰厚度進(jìn)行預(yù)測。本文的主要工作總結(jié)如下：
　　（1）對(duì)輸電線覆冰的形成條件、影響因素、分類及產(chǎn)生機(jī)理進(jìn)行了深入分析，并對(duì)比分析了幾種常用的輸電線覆冰模型的優(yōu)劣；
　　（2）分別用BP神經(jīng)網(wǎng)絡(luò)、灰色理論、RBF神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)算法對(duì)輸電線覆冰厚度進(jìn)行數(shù)值模擬。通過比較發(fā)現(xiàn)，RBF神經(jīng)網(wǎng)絡(luò)模型的精度高于BP神經(jīng)網(wǎng)絡(luò)和灰色理論，而支持向量機(jī)算法的懲罰因子和核參

3、數(shù)的取值會(huì)直接影響模型的精度，而傳統(tǒng)的支持向量機(jī)算法并未對(duì)懲罰因子和核參數(shù)的取值進(jìn)行優(yōu)化設(shè)計(jì)。為了對(duì)這兩個(gè)參數(shù)進(jìn)行優(yōu)化，引入了粒子群算法和遺傳算法，通過優(yōu)化得到不同的懲罰因子和核參數(shù)，基于優(yōu)化后的參數(shù)，分別建立輸電線覆冰厚度的預(yù)測模型，對(duì)輸電線覆冰厚度進(jìn)行預(yù)測。為了評(píng)價(jià)模型的優(yōu)劣，引入了均方誤差指標(biāo)；
　?。?）在matlab下設(shè)計(jì)了GUI，提供了不同數(shù)據(jù)的輸電線覆冰厚度預(yù)測的軟件工具。比較發(fā)現(xiàn)，經(jīng)遺傳算法優(yōu)化后的支持向量機(jī)算法優(yōu)

4、于經(jīng)粒子群算法優(yōu)化后的支持向量機(jī)算法，前者更適合于輸電線覆冰厚度預(yù)測。
　　通過研究發(fā)現(xiàn)：1）文中提供的輸電線覆冰厚度的數(shù)據(jù)樣本有限，針對(duì)這種情況，支持向量機(jī)算法優(yōu)于BP神經(jīng)網(wǎng)絡(luò)；2）文中提供的輸電線覆冰厚度的數(shù)據(jù)樣本中含有多個(gè)輸入和一個(gè)輸出，屬于高維問題，在處理此類問題時(shí)，支持向量機(jī)算法優(yōu)于RBF神經(jīng)網(wǎng)絡(luò)；3）針對(duì)小樣本、高維度的輸電線覆冰厚度數(shù)據(jù)，經(jīng)遺傳算法優(yōu)化后的支持向量機(jī)算法優(yōu)于經(jīng)粒子群算法優(yōu)化后的支持向量機(jī)算法，前者更適