基于深度学习的关中地区输电线路区域雷电潜势预测OA
[目的]由于输电线路分布范围广、高度高,极易遭受雷击的危害。文章旨在制定有效的事前雷电防护措施,实现输电线路雷击灾害的全过程防护。[方法]以关中地区为例,筛选出33个与雷电活动高度相关的物理量作为特征,利用参数敏感性自适应(Parameter Sensitivity Adaptation,PSA)算法优化学习率、隐藏层节点数及正则化系数,并基于多变量长短时记忆网络(Long Short Term Memory,LSTM)构建输电线路区域雷电潜势预测模型,从而实现未来12h输电线路区域雷电活动的预测。[结果]研究表明,修正K指数、Charba修正指数等33个大气物理量与雷电活动高度相关,可作为雷电潜势预测的特征。在模型超参数方面,通过PSA算法确定的最佳组合为:学习率2.7×10^(-4)、隐藏层节点数29、正则化系数4.1582×10^(-4)。此外,当批次样本量设定为16、序列长度设定为20时,模型可达到最小误差值。在此条件下,预测正确率为80.94%,命中率为71.3%。[结论]综合考虑输电线路的地理分布及其与气象探空站之间的距离,预测结果具有一定的有效性。
董立凡;李伟;南泽文;崔校鹏;杨兰均
西安交通大学电工材料电气绝缘全国重点实验室,陕西西安710049 咸阳市气象局,陕西咸阳712000国网陕西省电力有限公司电力科学研究院,陕西西安710100西安交通大学电工材料电气绝缘全国重点实验室,陕西西安710049西安交通大学电工材料电气绝缘全国重点实验室,陕西西安710049西安交通大学电工材料电气绝缘全国重点实验室,陕西西安710049
信息技术与安全科学
输电线路雷电预测长短期记忆网络大气物理量深度学习
《南方能源建设》 2026 (3)
P.92-102,11
陕西省电力有限公司科技项目“陕西雷电、覆冰灾害风险预测与多元气象数据融合关键技术研究”(5226KY25000J)咸阳市气象局科学技术研究项目“基于深度学习的咸阳市雷电预测技术研究”(2025SJZJ-9)。
评论