《表3 预测样本预警精度:基于BP神经网络的输电线路雷击故障预测》
取RFP=0.11,RTP=0.94所对应的阈值0.37为BP神经网络的阈值,将文中方法与传统的BP神经网络进行比较,结果如表3所示。由表3可知,基于PSO-LM-BP神经网络的线路雷击故障预测模型对于雷击跳闸故障的预报命中率达到94.00%,同时假警率为11.00%。而传统的BP神经网络的跳闸预测命中率为96.00%,假警率为18.75%。综合来看,PSO-LM-BP的准确率达到了91.50%,高于BP神经网络的88.63%。无法预报的故障样本大多发生在落雷不是很密集或线路距离落雷点较远等情况下,同时跳闸虚警的样本中线路均位于雷区,线路附近落雷数较多,处于可能发生跳闸的危险状态。对比传统的BP神经网络,PSO-LM-BP有着更高的故障预报成功率,并且大大减小了迭代次数。
图表编号 | XD00222603600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.28 |
作者 | 吴琛、苏明昕、谢云云、郁琛、刘旭斐、苏波 |
绘制单位 | 云南电网有限责任公司电力调度控制中心、国网宁夏电力有限公司电力调度控制中心、南京理工大学自动化学院、南瑞集团(国网电力科学研究院)有限公司、智能电网保护和运行控制国家重点实验室、云南电网有限责任公司电力调度控制中心、国网宁夏电力有限公司电力调度控制中心 |
更多格式 | 高清、无水印(增值服务) |