基于VMD-ABAS-LSSVM的线损率预测模型

• 作者: 汪司珂 明东岳 郭雨 徐林享 项勇 潘志 易本顺
• 来源期刊: 广东电力
• 关键词: 线损率预测 变分模态分解 自适应天牛须搜索算法 最小二乘支持向量机 220kV电网
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 电网运行与控制|Power Grid Operation & Control
• 页码范围: 69-77
• 页数: 9页
• 分类号: TM744.1|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2021.004.009

摘要

针对地区电网220 kV线路线损率数据呈现波动、非平稳的情况,为提高线损率预测精度,使用变分模态分解(variational mode decomposition,VMD)算法,将原始线损率时间序列分解为不同频率尺度的子序列,再利用最小二乘支持向量机(least squares support vector machine,LSSVM)模型进行线损预测.为了提高LSSVM模型的子序列预测精度,采用自适应天牛须搜索(adaptive beetle antennae search,ABAS)算法进行参数优化.与标准天牛须搜索(beetle antennae search,BAS)算法相比,ABAS算法采用了天牛多向感知模型,引入了变步长探路反馈更新策略,具备更快的收敛速度与更强的寻优能力.最后以湖北黄石地区220 kV栖儒桥—栖宫线的真实数据为例进行算法验证,结果表明所提出的VMD-ABAS-LSSVM模型能更有效地对线损率进行准确预测.