1. 福州亿力电力工程有限公司
2. 国网湖北省电力有限公司荆门供电公司
3. 三峡大学电气与新能源学院
4. 国网福建省电力有限公司福州供电公司
纸质出版:2024
移动端阅览
张衡, 刘闯, 刘炬, 等. 基于BP神经网络和SSA-SVM的接地网腐蚀速率组合预测[J]. 四川电力技术, 2024,(1):59-64.
张衡, 刘闯, 刘炬, et al. 基于BP神经网络和SSA-SVM的接地网腐蚀速率组合预测[J]. 2024, (1): 59-64.
张衡, 刘闯, 刘炬, 等. 基于BP神经网络和SSA-SVM的接地网腐蚀速率组合预测[J]. 四川电力技术, 2024,(1):59-64. DOI: 10.16527/j.issn.1003-6954.20240109.
张衡, 刘闯, 刘炬, et al. 基于BP神经网络和SSA-SVM的接地网腐蚀速率组合预测[J]. 2024, (1): 59-64. DOI: 10.16527/j.issn.1003-6954.20240109.
为提高接地网腐蚀速率预测精度,提出了一种接地网腐蚀速率组合预测方法。首先,采用SSA算法对SVM进行优化,建立接地网SSA-SVM腐蚀预测速率模型;然后,采用6-11-1的BP神经网络对SSA-SVM模型的预测残差进行修正,建立了基于BP神经网络和SSA-SVM的接地网腐蚀速率组合预测模型;最后,采用接地网腐蚀实验数据进行算例分析。结果表明,所提接地网腐蚀速率组合模型预测结果的均方根误差、平均相对误差和相关系数分别为0.192、4.98%和0.974 6
在模型稳定性、预测精度、预测结果与实际值的相关性均优于其他模型,验证了所提模型的正确性和优越性。
基于多策略麻雀搜索算法的微电网容量优化配置[J]. 张萍;陆霞;孟庆鹤.电气技术,2023(01)
基于BAS-BA优化BP神经网络的轴承故障诊断方法[J]. 晏生莲;巩永旺;潘琳鑫.计算机与数字工程,2022(10)
基于正则化最小二乘法的接地网腐蚀状态评估方法[J]. 詹花茂;郭明鑫;刘春江;王伟.腐蚀与防护,2022(06)
基于IWPA优化LSSVM的输电线路接地网腐蚀预测研究[J]. 林肖斐;夏圣峰;吴簪麟;江南;张润昊.电瓷避雷器,2022(01)
基于KPCA-ISHO-LSSVM的接地网腐蚀速率预测[J]. 王海涛;陈明;文中;方萌.智慧电力,2022(02)
基于支路电压扰动的接地网腐蚀缺陷诊断研究[J]. 董曼玲;李星;杨帆;张科;丁国君;郭磊;寇晓适.高压电器,2021(08)
基于改进CL-ML方法的接地网不开挖腐蚀速率预测模型[J]. 李文彬;王勇;冯砚厅;王庆;徐雪霞;范孝良;王鹏.电力科学与工程,2021(04)
输电线路PSOEM-LSSVM覆冰预测模型[J]. 刘闯;何沁鸿;卢银均;杨凯帆;黄婧;何丽娜;陈磊;孟遂民.电力科学与技术学报,2020(06)
基于PSOEM优化LSSVM的接地网腐蚀预测研究[J]. 王小军;高广德;吴田;谢枭;王若昕;沈丹青;何丽娜;刘闯.智慧电力,2020(11)
基于改进果蝇算法优化BP神经网络的接地网腐蚀速率预测模型[J]. 程宏伟;高莲;于虹;李鹏.电测与仪表,2022(11)
基于改进粒子群算法的接地网腐蚀诊断研究[J]. 陈敬友;付明;张军;张超;杨尊富;雷治炼.电力大数据,2020(09)
基于组合模型的接地网腐蚀速率预测算法[J]. 黄欢;刘彦辰;高翔;彭敏放.计算技术与自动化,2019(03)
基于人工蜂群算法优化支持向量机的接地网腐蚀速率预测模型[J]. 刘渝根;陈超.电力自动化设备,2019(05)
接地网腐蚀速率预测方法研究[D]. 陈超.重庆大学,2019(01)
基于神经网络的海南变电站土壤对Q235钢的腐蚀预测研究[D]. 郭阳阳.华北电力大学,2016(03)
0
浏览量
下载量
CSCD
关联资源
相关文章
相关作者
相关机构