Icing Load and Risk Forecasting for Power Transmission Line Based on Multi-scale Time Series Phase-Space Reconstruction and Regression
Notice bibliographique
Résumé
Accurately forecasting the icing load on overhead power transmission lines is an important issue to ensure the security and reliability of the power grid. A multi-scale time series phase-space reconstruction and regression model for icing load prediction is proposed in this paper to treat the non-stationary, nonlinear, and intermittent volatility of power line icing load data. Those is motivated by the traditional icing load prediction models having many disadvantages in the forecasting accuracy, as well as the casualness of the parameters selected. Firstly, the icing load data are decomposed into a multi-scale time series of intrinsic model function (IMF) components with stability by using the ensemble empirical mode decomposition (EEMD), which can reduce the interactions between different types of feature information. Secondly, phase-space reconstruction (PSR) theory is applied using the mutual information and the false nearest neighbor to determine the optimal delay time and embedding dimension of each IMF component. Thirdly, considering the characteristics of each IMF component, different kernel functions and optimization parameters are selected to establish the prediction model based support vector regression (SVR). Finally, according to the load prediction results, fuzzy reasoning method was used to determine the risk status of transmission line towers in this paper. Upon experimentally evaluating the validity of the model using related transmission lines of the Yunnan Power Grid, it is shown that this method could predict the real-time icing load on overhead power lines, obtaining better regression performance. This model could be used on power transmission and distribution systems for deicing and maintenance decisions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».