電力光纖線路狀態(tài)預(yù)測方法研究.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，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給企業(yè)和用戶帶來巨大的經(jīng)濟損失。因此，研究電力光纖線路狀態(tài)預(yù)測方法，根據(jù)已知的電力光纖線路狀態(tài)預(yù)測未來可能發(fā)生的線路故障，從而提前做好維護和管理工作，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)實意義。
　　為了更加準(zhǔn)確地預(yù)測電力光纖線路的運行狀態(tài)，文章提出一種基于自適應(yīng)粒子群（APSO）優(yōu)化差分自回歸滑動平均—支持向量機（ARIMA-SVM）模型的預(yù)測新方法，該方法通過對電力光纖線路運行狀態(tài)的衡量指標(biāo)光功率的預(yù)測，從而實現(xiàn)電力光纖線路狀態(tài)預(yù)測。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、時變性和復(fù)雜性特點，采用小波變換對監(jiān)測得到的光功率數(shù)據(jù)進行小波分解并重構(gòu)，提取出隨機項與趨勢項兩部分光功率數(shù)據(jù)。然后，針對隨

3、機項與趨勢項數(shù)據(jù)特性，分別構(gòu)建多種預(yù)測模型進行對比實驗，從中選取并構(gòu)建預(yù)測效果最優(yōu)的 ARIMA模型和 SVM模型分別對光功率隨機項和趨勢項兩部分數(shù)據(jù)進行預(yù)測。為了進一步提升模型預(yù)測性能，文中設(shè)計一種 APSO算法對 SVM模型中參數(shù)進行優(yōu)化，該算法通過構(gòu)建新型的動態(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)，并通過仿真實驗驗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模型對光功率隨機項數(shù)據(jù)和趨勢項數(shù)據(jù)進行預(yù)測，并疊加兩部分的預(yù)測結(jié)果，實現(xiàn)光功率未來趨勢的預(yù)測，從而實現(xiàn)電力光纖線路狀態(tài)預(yù)測。實驗結(jié)果表明，與其他預(yù)測方法相比，文章提出的基于APSO優(yōu)化ARIMA-SVM混合模型的預(yù)測方法能夠更加準(zhǔn)確地預(yù)測出電力光纖線路中光功率的未來趨勢，從而實現(xiàn)電力光纖線路狀態(tài)的預(yù)測，并且該方法優(yōu)化了模型預(yù)測性能，較單一的 SVM模型光功率趨勢預(yù)測方法相比，其預(yù)測精度提升了12