電力光纖線路狀態(tài)預(yù)測(cè)方法研究.pdf

1、在電力通信系統(tǒng)中，電力光纖由于其自身所具有的諸多優(yōu)勢(shì)，近年來已成為一種主流的通信方式而被廣泛應(yīng)用。作為電力通信系統(tǒng)的關(guān)鍵組成部分，電力光纖通信系統(tǒng)傳輸?shù)姆€(wěn)定性是電力部門高效生產(chǎn)、穩(wěn)定運(yùn)行的重要保障，一旦電力光纖線路發(fā)生故障，造成的通信中斷將會(huì)給企業(yè)和用戶帶來巨大的經(jīng)濟(jì)損失。因此，研究電力光纖線路狀態(tài)預(yù)測(cè)方法，根據(jù)已知的電力光纖線路狀態(tài)預(yù)測(cè)未來可能發(fā)生的線路故障，從而提前做好維護(hù)和管理工作，避免故障的發(fā)生，確保電力通信系統(tǒng)不間斷傳輸具有重

2、要的現(xiàn)實(shí)意義。
　　為了更加準(zhǔn)確地預(yù)測(cè)電力光纖線路的運(yùn)行狀態(tài)，文章提出一種基于自適應(yīng)粒子群（APSO）優(yōu)化差分自回歸滑動(dòng)平均—支持向量機(jī)（ARIMA-SVM）模型的預(yù)測(cè)新方法，該方法通過對(duì)電力光纖線路運(yùn)行狀態(tài)的衡量指標(biāo)光功率的預(yù)測(cè)，從而實(shí)現(xiàn)電力光纖線路狀態(tài)預(yù)測(cè)。首先，根據(jù)電力光纖線路中光功率數(shù)據(jù)具有的非線性、時(shí)變性和復(fù)雜性特點(diǎn)，采用小波變換對(duì)監(jiān)測(cè)得到的光功率數(shù)據(jù)進(jìn)行小波分解并重構(gòu)，提取出隨機(jī)項(xiàng)與趨勢(shì)項(xiàng)兩部分光功率數(shù)據(jù)。然后，針對(duì)隨

3、機(jī)項(xiàng)與趨勢(shì)項(xiàng)數(shù)據(jù)特性，分別構(gòu)建多種預(yù)測(cè)模型進(jìn)行對(duì)比實(shí)驗(yàn)，從中選取并構(gòu)建預(yù)測(cè)效果最優(yōu)的 ARIMA模型和 SVM模型分別對(duì)光功率隨機(jī)項(xiàng)和趨勢(shì)項(xiàng)兩部分?jǐn)?shù)據(jù)進(jìn)行預(yù)測(cè)。為了進(jìn)一步提升模型預(yù)測(cè)性能，文中設(shè)計(jì)一種 APSO算法對(duì) SVM模型中參數(shù)進(jìn)行優(yōu)化，該算法通過構(gòu)建新型的動(dòng)態(tài)距離函數(shù)和自適應(yīng)慣性權(quán)重函數(shù)，使得不同粒子的搜索速度能夠自適應(yīng)地變化，從而提高算法的收斂速度和精度，獲取更加準(zhǔn)確的模型參數(shù)，并通過仿真實(shí)驗(yàn)驗(yàn)證了該算法的有效性。最后，分別構(gòu)

4、建ARIMA模型和基于APSO優(yōu)化的SVM模型對(duì)光功率隨機(jī)項(xiàng)數(shù)據(jù)和趨勢(shì)項(xiàng)數(shù)據(jù)進(jìn)行預(yù)測(cè)，并疊加兩部分的預(yù)測(cè)結(jié)果，實(shí)現(xiàn)光功率未來趨勢(shì)的預(yù)測(cè)，從而實(shí)現(xiàn)電力光纖線路狀態(tài)預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，與其他預(yù)測(cè)方法相比，文章提出的基于APSO優(yōu)化ARIMA-SVM混合模型的預(yù)測(cè)方法能夠更加準(zhǔn)確地預(yù)測(cè)出電力光纖線路中光功率的未來趨勢(shì)，從而實(shí)現(xiàn)電力光纖線路狀態(tài)的預(yù)測(cè)，并且該方法優(yōu)化了模型預(yù)測(cè)性能，較單一的 SVM模型光功率趨勢(shì)預(yù)測(cè)方法相比，其預(yù)測(cè)精度提升了12