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

針對輸電線路運維中持久且復(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)象對電網(wǎng)安全運行構(gòu)成的嚴重威脅 ,提出基于卷積-長短時記憶(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)報的精細數(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)建了一個高效預(yù)測模型 , 旨在解決輸電線路單點覆冰厚度在未來3~72 h內(nèi)的精確預(yù)測問題 , 為電力部門提供及時、科學(xué)的防冰抗冰決策依據(jù) 。實驗結(jié)果顯示 ,該模型能顯著提升覆冰預(yù)測的準確性和時效性 ,有效減少因覆冰導(dǎo)致的電網(wǎng)故障風(fēng)險。