振动与冲击2021，Vol.40Issue(1) ：199-204.DOI:10.13465/j.cnki.jvs.2021.01.026

基于BP神经网络的导线脱冰跳跃高度预测模型

Prediction model of wire de-icing jump height based on BP neural network BP neural network

文楠 严波 林翔 黄桂灶 吕中宾 张博
振动与冲击2021，Vol.40Issue(1) ：199-204.DOI:10.13465/j.cnki.jvs.2021.01.026
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于BP神经网络的导线脱冰跳跃高度预测模型

Prediction model of wire de-icing jump height based on BP neural network BP neural network

文楠 1严波 1林翔 1黄桂灶 1吕中宾 2张博2
扫码查看

作者信息

  • 1. 重庆大学航空航天学院,重庆400044
  • 2. 河南省电力公司电力科学研究院,郑州450052
  • 折叠

摘要

冰区导线脱冰振动会引起绝缘间隙减小,严重时甚至导致闪络和跳闸等电气事故.首先利用数值方法模拟得到各种参数条件下导线的脱冰动力响应,获得导线的最大脱冰跳跃高度.进而基于数值模拟结果和BP神经网络构建导线脱冰跳跃高度预测模型,将线路的导线分裂数、导线型号、档距、高差等结构参数以及初始应力、覆冰厚度和脱冰率等载荷参数作为输入,最大冰跳高度作为输出,通过机器学习,并采用评价指标评估其准确性,对模型进行优化.该模型可以方便快捷地确定导线的最大脱冰跳跃高度,为冰区输电线路绝缘间隙设计提供参考.

关键词

导线/数值模拟/脱冰跳跃高度预测/BP神经网络/机器学习

引用本文复制引用

基金项目

国家电网公司科技项目(52170217000U)

国家自然科学基金(51277186)

出版年

2021
振动与冲击
中国振动工程学会 上海交通大学 上海市振动工程学会

振动与冲击

CSTPCDCSCD北大核心
影响因子：0.898
ISSN：1000-3835
被引量11
参考文献量3
段落导航相关论文