覆冰事故是影响输电线路正常运行的重要原因。对输电线路覆冰过程中各热平衡影响因素进行分析,得出对流换热为该过程最重要的热损耗原因。针对对流换热、导线焦耳热两大影响因素开展数值模拟,得出雨凇覆冰导线的热量损失随风速及冰厚增加而增加,偏心圆形覆冰对流换热数值略小于圆形覆冰。对覆冰表面各部分的热量损失进行统计,结果表明,当风速小于10 m/s、覆冰厚度小于5 mm时,LGJ95导线迎风侧-45~45°区域的热耗散值达到了总量的35%~48%,热量散失远大于平均值,有利于覆冰冻结增长。 热数值和温度差异很大，覆冰层形成明显的温度梯度，随着流场雷诺数的增加，冰层温度梯度随之增加。冰层表面温度及对流换热系数分布曲线如图4所示，导线表面平均对流换热系数h为76W（/m2·K），而迎风侧驻点处的h为127W（/m2·K）。电量预测算法-数控滚圆机滚弧机折弯机张家港滚圆机滚弧机折弯机受此影响，冰层表面平均温度为-0.53℃，而迎风侧驻点处的温度为-0.79℃，冰层表面温度及对流换热系数随迎风角度的不同差异非常明显。采用数值模拟得到的单位长度覆冰导线对流换热Qcq如图5所示。为了分析覆冰前后冰层单位面积对流换热数值的差别， 本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name定义冰层表面平均热流密图3导线覆冰层温度梯度r图2单位长度LGJ95导线各因素散热值基于电量数据内在规律及与外界环境变量关系的深度挖掘,定义了占季比指标,提出了最小二乘支持向量机算法与基于占季比预测相结合的电量预测混合算法;根据国内A省历史分月电量进行实际算例分析,通过Elman神经网络、BP神经网络预测方法与文中所提方法的预测误差对比,验证了所提算法的预测精度,证明所提算法对预测精度有较大提高。 径向基核函数核参数σ对回归函数预测的精度至关重要，因此需要对以上两个参数进行优化。本文通过采用网格搜索算法进行参数寻优，并选用三折交叉验证法对网格寻优的效果进行仿真验证。基于最小二乘支持向量机的电量预测流程是首先进行原始数据预处理，然后优化LSSVM的两个重要参数，在得到最优参数后，将训练集和最优参数输入到LSSVM中，训练得到相应的预测模型，然后再输入测试数据，得到预测结果，最后对预测结果进行评价与分析。2.2人工神经网络预测算法本文主要将BP神经网络以及Elman神经网络应图1国内A省电网电量历史数据序列电量预测算法-数控滚圆机滚弧机折弯机张家港滚圆机滚弧机折弯机 本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name