Probabilistic Prediction of Overhead Line Ampacity Based on Multi-error Characteristic Fusion

XU Bin; LIU Ren; TANG Bo; WANG Shuai

doi:10.7500/AEPS20240616001

您当前的位置：

首页 >

文章列表页 >

Probabilistic Prediction of Overhead Line Ampacity Based on Multi-error Characteristic Fusion

Application Research | 更新时间：2025-06-16

- Probabilistic Prediction of Overhead Line Ampacity Based on Multi-error Characteristic Fusion
- Automation of Electric Power Systems Vol. 49, Issue 11, Pages: 199-207(2025)
- 作者机构：
  
  1.三峡大学电气与新能源学院，湖北省宜昌市 443002
  2.湖北省输电线路工程技术研究中心（三峡大学），湖北省宜昌市 443002
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China-State Grid Joint Fund for Smart Grid(U20A20305);Science and Technology Project of China Southern Power Grid Co., Ltd(030166KK52222001)
- DOI：10.7500/AEPS20240616001
  CLC：
- Received：16 June 2024，
  
  Revised：2025-03-04，
  
  Published Online：21 March 2025，
  
  Published：10 June 2025
- 稿件说明：
移动端阅览
徐彬,刘任,唐波等.基于多误差特性融合的架空线路载流量概率预测[J].电力系统自动化,2025,49(11):199-207.

XU Bin,LIU Ren,TANG Bo,et al.Probabilistic Prediction of Overhead Line Ampacity Based on Multi-error Characteristic Fusion[J].Automation of Electric Power Systems,2025,49(11):199-207.
徐彬,刘任,唐波等.基于多误差特性融合的架空线路载流量概率预测[J].电力系统自动化,2025,49(11):199-207. DOI： 10.7500/AEPS20240616001.

XU Bin,LIU Ren,TANG Bo,et al.Probabilistic Prediction of Overhead Line Ampacity Based on Multi-error Characteristic Fusion[J].Automation of Electric Power Systems,2025,49(11):199-207. DOI： 10.7500/AEPS20240616001.

摘要

准确预测架空线路的载流量是实现线路动态增容的基础。常规的单一点预测模型难以有效捕捉风速、环境温度等载流量气象因子的波动性与随机性，且载流量预测误差具有时变相关性和条件分布特性。文中以串行集成学习Bagging为总架构，整合并行集成学习算法AdaBoost、XGBoost和LightGBM构建载流量点预测模型，旨在克服单一模型泛化能力不足的局限，提升预测准确性与稳定性；基于实测数据论证了载流量预测误差的时变相关性和条件分布特性，继而引入Sklar定理及其动态Copula函数构建载流量预测误差的条件分布模型；将点预测模型与条件分布模型相结合，提出一种基于串并行集成学习与多误差特性融合的架空线路载流量概率预测方法。与传统方法相比，所提方法的保守性指标降低了28.69%。

Abstract

Accurate prediction of overhead line ampacity serves as the foundation for achieving dynamic line rating. Conventional single-point prediction models face challenges in effectively capturing the volatility and randomness of meteorological factors influencing ampacity (e.g.

wind speed and ambient temperature)

while ampacity prediction errors exhibit characteristics of time-varying correlations and conditional distribution. To address these limitations

this paper proposes a novel framework employing serial ensemble learning-based Bagging integrated with parallel ensemble learning methods (AdaBoost

XGBoost

and LightGBM) to develop an ampacity point prediction model. This hybrid approach overcomes the constraint of limited generalization capability of single model while enhancing prediction accuracy and stability. Through analysis of measured data

this paper demonstrates the time-varying correlations and conditional distribution characteristics in ampacity prediction errors. Subsequently

this paper introduces Sklar's theorem and dynamic Copula functions to establish a conditional distribution model for ampacity prediction errors. By integrating the proposed point prediction model with the conditional distribution model

this paper develops a probabilistic ampacity prediction method that integrates serial-parallel ensemble learning and multi-error characteristic fusion. Compared with traditional methods

the conservativeness indicator of the proposed method is reduced by 28.69%.

关键词

Keywords

references

邱高，刘友波，许立雄，等 . 基于深度确定性策略梯度的电网断面极限传输能力动态趋优控制［J］. 中国电机工程学报， 2021 ， 41 （ 15 ）： 5128 - 5139 .

QIU Gao ， LIU Youbo ， XU Lixiong ， et al . A deep deterministic policy gradient based-dynamic optimizing control for power system total transfer capability ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 15 ）： 5128 - 5139 .

文淅宇，朱继忠，李盛林，等 . 基于时空协同的多数据中心虚拟电厂低碳经济调度策略［J］. 电力系统自动化， 2024 ， 48 （ 18 ）： 56 - 65 .

WEN Xiyu ， ZHU Jizhong ， LI Shenglin ， et al . Low-carbon economic dispatch for multiple data center virtual power plant based on spatio-temporal collaboration ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 18 ）： 56 - 65 .

焦治杰，王小君，刘曌，等 . 考虑分布式新能源出力不确定性的虚拟电厂概率可行域构建方法［J］. 电力系统自动化， 2024 ， 48 （ 18 ）： 129 - 138 .

JIAO Zhijie ， WANG Xiaojun ， LIU Zhao ， et al . Construction method for probability-based feasible region of virtual power plant considering uncertainty of distributed renewable energy output ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 18 ）： 129 - 138 .

侯宇，王伟，韦徵，等 . 基于模型校核的输电线路载流量限额动态评估［J］. 电力系统自动化， 2021 ， 45 （ 13 ）： 159 - 166 .

HOU Yu ， WANG Wei ， WEI Zheng ， et al . Dynamic evaluation of ampacity limit for transmission line based on model calibration ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 13 ）： 159 - 166 .

GONZÁLEZ-CAGIGAL M Á ， ROSENDO-MACÍAS J A ， BACHILLER-SOLER A ， et al . Influence of the wind variability on the calculation of dynamic line rating ［J］. Electric Power Systems Research ， 2022 ， 211 ： 108234 .

侯宇，王伟，韦徵，等 . 输电线路动态增容技术研究及应用［J］. 电力系统自动化， 2021 ， 45 （ 17 ）： 189 - 198 .

HOU Yu ， WANG Wei ， WEI Zheng ， et al . Research and application of dynamic rating technology of transmission lines ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 17 ）： 189 - 198 .

MADADI S ， MOHAMMADI-IVATLOO B ， TOHIDI S . Dynamic line rating forecasting based on integrated factorized Ornstein-Uhlenbeck processes ［J］. IEEE Transactions on Power Delivery ， 2020 ， 35 （ 2 ）： 851 - 860 .

JIANG J A ， LIANG Y T ， CHEN C P ， et al . On dispatching line ampacities of power grids using weather-based conductor temperature forecasts ［J］. IEEE Transactions on Smart Grid ， 2016 ， 9 （ 1 ）： 406 - 415 .

GAO Z N ， HU S B ， SUN H ， et al . Day-ahead dynamic thermal line rating forecasting and power transmission capacity calculation based on ForecastNet ［J］. Electric Power Systems Research ， 2023 ， 220 ： 109350 .

AHMADI A ， NABIPOUR M ， MOHAMMADI-IVATLOO B ， et al . Ensemble learning-based dynamic line rating forecasting under cyberattacks ［J］. IEEE Transactions on Power Delivery ， 2021 ， 37 （ 1 ）： 230 - 238 .

WANG M X ， WANG S H ， JIN X ， et al . Prediction of intra-period minimum thermal rating of overhead conductors ［J］. IEEE Transactions on Power Delivery ， 2023 ， 38 （ 1 ）： 564 - 574 .

HAJEFOROSH S ， BOLLEN M H J . Uncertainty analysis of stochastic dynamic line rating ［J］. Electric Power Systems Research ， 2021 ， 194 ： 107043 .

ALBERDI R ， ALBIZU I ， FERNANDEZ E ， et al . Overhead line ampacity forecasting with a focus on safety ［J］. IEEE Transactions on Power Delivery ， 2021 ， 37 （ 1 ）： 329 - 337 .

SUN X R ， JIN C H . Spatio-temporal weather model-based probabilistic forecasting of dynamic thermal rating for overhead transmission lines ［J］. International Journal of Electrical Power & Energy Systems ， 2022 ， 134 ： 107347 .

CHEN Z ， ZHANG B ， MENG A B ， et al . Prediction interval estimation of dynamic thermal rating considering weather uncertainty ［J］. Electric Power Systems Research ， 2023 ， 214 ： 108927 .

LAI C M ， TEH J . Comprehensive review of the dynamic thermal rating system for sustainable electrical power systems ［J］. Energy Reports ， 2022 ， 8 ： 3263 - 3288 .

YU Z C ， LIU X ， LI Z Y . A secure dispatch strategy subject to the uncertainties of DLR and wind power ［J］. IEEE Transactions on Industrial Informatics ， 2021 ， 18 （ 7 ）： 4499 - 4509 .

张怡，张锋，李有春，等 . 基于智慧输电线路的动态增容辅助决策系统［J］. 电力系统保护与控制， 2021 ， 49 （ 4 ）： 160 - 168 .

ZHANG Yi ， ZHANG Feng ， LI Youchun ， et al . Assistant decision system to improve transmission capacity based on a smart transmission line ［J］. Power System Protection and Control ， 2021 ， 49 （ 4 ）： 160 - 168 .

SONG T H ， TEH J . Dynamic thermal line rating model of conductor based on prediction of meteorological parameters ［J］. Electric Power Systems Research ， 2023 ， 224 ： 109726 .

杨晶显，张帅，刘继春，等 . 基于VMD和双重注意力机制LSTM的短期光伏功率预测［J］. 电力系统自动化， 2021 ， 45 （ 3 ）： 174 - 182 .

YANG Jingxian ， ZHANG Shuai ， LIU Jichun ， et al . Short-term photovoltaic power prediction based on VMD and LSTM with dual-stage attention mechanism ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 3 ）： 174 - 182 .

汪光远，马啸，林湘宁，等 . 基于集成学习的柔性直流配电线路单端量高灵敏保护方案［J］. 中国电机工程学报， 2021 ， 41 （ 24 ）： 8447 - 8463 .

WANG Guangyuan ， MA Xiao ， LIN Xiangning ， et al . Single-ended high-sensitivity protection scheme for flexible DC distribution line based on ensemble learning ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 24 ）： 8447 - 8463 .

CHERIGUENE S ， AZIZI N ， DEY N ， et al . A new hybrid classifier selection model based on mRMR method and diversity measures ［J］. International Journal of Machine Learning and Cybernetics ， 2019 ， 10 （ 5 ）： 1189 - 1204 .

姜飞，林政阳，王文烨，等 . 考虑最小平均包络熵负荷分解的最优Bagging集成超短期多元负荷预测［J］. 中国电机工程学报， 2024 ， 44 （ 5 ）： 1777 - 1789 .

JIANG Fei ， LIN Zhengyang ， WANG Wenye ， et al . Optimal Bagging ensemble ultra short term multi-energy load forecasting considering least average envelope entropy load decomposition ［J］. Proceedings of the CSEE ， 2024 ， 44 （ 5 ）： 1777 - 1789 .

夏火松，孙泽林 . 基于自编码器和集成学习的半监督异常检测算法［J］. 计算机工程与科学， 2020 ， 42 （ 8 ）： 1440 - 1447 .

XIA Huosong ， SUN Zelin . A semi-supervised outlier detection model based on autoencoder and integrated learning ［J］. Computer Engineering & Science ， 2020 ， 42 （ 8 ）： 1440 - 1447 .

蒋玮，汤海波，祁晖，等 . 基于集成深度神经网络的配电网联络关系辨识技术［J］. 电力系统自动化， 2020 ， 44 （ 1 ）： 101 - 108 .

JIANG Wei ， TANG Haibo ， QI Hui ， et al . Distribution network connectivity recognition based on ensemble deep neural network ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 1 ）： 101 - 108 .

肖贤贵，李开成，蔡得龙，等 . 一种电能质量扰动信号的联合去噪算法［J］. 电工技术学报， 2021 ， 36 （ 21 ）： 4418 - 4428 .

XIAO Xiangui ， LI Kaicheng ， CAI Delong ， et al . A combined de-noising method for power quality disturbances events ［J］. Transactions of China Electrotechnical Society ， 2021 ， 36 （ 21 ）： 4418 - 4428 .

JIN X ， WANG M X ， CUI M J ， et al . Joint probability density prediction for multiperiod thermal ratings of overhead conductors ［J］. IEEE Transactions on Power Delivery ， 2020 ， 36 （ 5 ）： 3022 - 3032 .

TOOTOONCHI F ， SADEGH M ， HAERTER J O ， et al . Copulas for hydroclimatic analysis： a practice-oriented overview ［J］. WIREs Water ， 2022 ， 9 （ 2 ）： e1579 .

付善强，蔡富东，王孟夏，等 . 地区天气实况数据用于架空导线动态增容的方法［J］. 电力自动化设备， 2021 ， 41 （ 2 ）： 207 - 212 .

FU Shanqiang ， CAI Fudong ， WANG Mengxia ， et al . Dynamic capacity increase method of overhead line using practical regional weather data ［J］. Electric Power Automation Equipment ， 2021 ， 41 （ 2 ）： 207 - 212 .

WANG H T ， ZOU B . Probabilistic load flow calculation considering correlation based on Bayesian network ［J］. Electric Power Components and Systems ， 2020 ， 48 （ 14/15 ）： 1571 - 1583 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Multi-terminal Flexible DC Transmission System for Offshore Wind Power and Its DC Fault Clearance Scheme

Probabilistic Prediction Method for Interpretable Net Load Based on Kolmogorov-Arnold Network

Thermal Sensor Configuration Method for Dynamic Rating of Overhead Distribution Lines Based on Gappy Principal Component Analysis-Genetic Algorithm

Related Author

XU Bin

LIU Ren

TANG Bo

MA Xiuda

LU Yu

ZHAN Changjiang

JIANG Chongxue

DONG Yunlong

Related Institution

NR Electric Co., Ltd.

State Grid Economic and Technological Research Institute Co., Ltd.

State Grid Corporation of China

State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University)

College of Electrical Engineering, Shanghai University of Electric Power

⁰