網(wǎng)格化預(yù)報(bào)

基于CNN-LSTM神經(jīng)網(wǎng)絡(luò)的輸電線路覆冰預(yù)測技術(shù)研究

針對(duì)輸電線路運(yùn)維中持久且復(fù)雜多樣的挑戰(zhàn)以及復(fù)雜氣候條件下輸電線路覆冰現(xiàn)象對(duì)電網(wǎng)安全運(yùn)行構(gòu)成的嚴(yán)重威脅 ,提出基于卷積-長短時(shí)記憶(CNN-LSTM)神經(jīng)網(wǎng)絡(luò)技術(shù)的綜合預(yù)測方法。該方法融合網(wǎng)格化數(shù)值天氣預(yù)報(bào)的精細(xì)數(shù)據(jù)、桿塔地形特征信息及導(dǎo)線物理屬性等多源數(shù)據(jù) ,構(gòu)建了一個(gè)高效預(yù)測模型 , 旨在解決輸電線路單點(diǎn)覆冰厚度在未來3~72 h內(nèi)的精確預(yù)測問題 , 為電力部門提供及時(shí)、科學(xué)的防冰抗冰決策依據(jù) 。實(shí)驗(yàn)結(jié)果顯示 ,該模型能顯著提升覆冰預(yù)測的準(zhǔn)確性和時(shí)效性 ,有效減少因覆冰導(dǎo)致的電網(wǎng)故障風(fēng)險(xiǎn)。