第３３卷第Ｏ６期 文章编号：１００６—９３４８（２０１６）０６—０２９０—０４ 计算机仿真 ２０１６年６月 电网输电杆塔塔材结构强度优化设计 葛 乐 ，胡波 ，陆文伟 ，许德智 （１．南京工程学院电力工程学院，江苏南京２ｌ１１６７； ２．苏州市吴江区供电公司安全运检部，江苏苏州２１５２００； ３．江南大学轻工过程先进控制教育部重点实验室，江苏无锡２１４１２２） 摘要：由于输电杆塔塔材结构强度分析是一个复杂不确定性问题。由于传统的塔材强度计算方法精度较低，为了有效提高 塔材强度计算的精度，提出了输电杆塔塔材结构强度优化设计方法。应用粗糙集对塔材强度影响因素集进行约简，采用数 据挖掘法从大量的历史数据中挖掘有用数据构造学习集，根据学习集运用梯度下降法不断迭代学习来确定因素集权重，并 将得到的权值综合评价计算塔材的实际强度。仿真结果验证了上述方法的准确性和可行性，可解决输电塔材强度优化 问题。 关键词：输电杆塔；塔材实际强度；粗糙集；数据挖掘；梯度下降法 中图分类号：ＴＭ ７５３ 文献标识码：Ｂ Ｓｔｒｕｃｔｕｒｅ Ｓｔｒｅｎｇｔｈ Ｏｐｔｉｍｉｚａｔｉｏｎ Ｄｅｓｉｇｎ ｏｆ Ｐｏｗｅｒ Ｔｒａｎｓｍｉｓｓｉｏｎ Ｔｏｗｅｒ ＧＥ Ｌｅ ，ＨＵ Ｂｏ ，ＬＵ Ｗｅｎ—ｗｅ１一，ＸＵ Ｄｅ—ｚｈｉ （１．Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｉｒｃ Ｐｏｗｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎａｎｊｉｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ Ｊｉａｎｇｓｕ ２１ １ １６７，Ｃｈｉｎａ； ２．Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｓａｆｅｔｙ ａｎｄ Ｍａｉｎｔｅｎａｎｃｅ，Ｓｕｚｈｏｕ Ｗｕｊｉａｎｇ Ｐｏｗｅｒ Ｓｕｐｐｌｙ Ｃｏｍｐａｎｙ，Ｓｕｚｈｏｕ Ｊｉａｎｇｓｕ ２１５２００，Ｃｈｉｎａ； ３．Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ａｄｖａｎｃｅｄ Ｐｒｏｃｅｓｓ Ｃｏｎｔｒｏｌ ｆｏｒ Ｌｉｇｈｔ Ｉｎｄｕｓｔｙ（Ｍｉｒｎｉｓｔｙｒ ｏｆ Ｅｄｕｃａｔｉｏｎ）， Ｊｉａｎｇｎａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ Ｊｉａｎｇｓｕ ２１４１２２，Ｃｈｉｎａ） ＡＢＳＴＲＡＣＴ：Ｄｕｅ ｔｏ ｔｈｅ ｃｏｍｐｌｅｘ ａｎｄ ｕｎｃｅｒｔａｉｎ ｓｔｒｕｃｔｕｒｅ ｓｔｒｅｎｇｔｈ ｏｆ ｔｒａｎｓｍｉｓｓｉｏｎ ｔｏｗｅｒ，ｔｈｅ ｐｒｅｃｉｓｉｏｎ ｏｆ ｔｒａｄｉｔｉｏｎａｌ ｔｏｗｅｒ ｍａｔｅｒｉａｌ ａｃｔｕａｌ ｓｔｒｅｎｇｔｈ ｃａｌｃｕｌａｔｉｏｎ ｉｓ ｖｅｒｙ ｌｏｗ．Ｉｎ ｏｒｄｅｒ ｔｏ ｅｆｆｅｃｔｉｖｅｌｙ ｉｍｐｒｏｖｅ ｔｏｗｅｒ ｍａｔｅｒｉａｌ ｓｔｒｅｎｇｔｈ ｃａｌｃｕｌａ— ｔｉｏｎ ｐｒｅｃｉｓｉｏｎ，ａ ｓｔｒｕｃｔｕｒｅ ｓｔｒｅｎｇｔｈ ｏｐｔｉｍｉｚａｔｉｏｎ ｄｅｓｉｇｎ ｏｆ ｔｒａｎｓｍｉｓｓｉｏｎ ｔｏｗｅｒ ｉｓ ｐｕｔ ｆｏｒｗａｒｄ．Ｔｈｅ ｒｏｕｇｈ ｓｅｔ ｔｈｅｏｒｙ ｉｓ ｕｓｅｄ ｔｏ ｒｅｄｕｃｅ ｉｎｄｅｘ ｓｅｔ．ｔｈｅｎ ｔｈｅ ｕｓｅｆｕｌ ｄａｔａ ａｒｅ ｍｉｎｅｄ ｂｙ ａｄｏｐｔｉｎｇ ｔｈｅ ｄａｔａ ｍｉｎｉｎｇ ｍｅｔｈｏｄ ｆｒｏｍ ａ ｌａｒｇｅ ｎｕｍｂｅｒ ｏｆ ｈｉｓｔｏｒｉｃａｌ ｄａｔａ ｔｏ ｓｔｕｃｔｕｒｅ ｌｒｅａｒｎｉｎｇ ｓｅｔ．Ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｌｅａｒｎｉｎｇ ｓｅｔｓ，ｔｈｅ ｗｅｉｇｈｔｓ ｏｆ ｆａｃｔｏｒｓ ａｒｅ ｄｅｔｅｒｍｉｎｅｄ ｂｙ ｕｓｉｎｇ ｔｈｅ ｉｔｅｒａｔｉｖｅ ｌｅａｒｎｉｎｇ ｂａｓｅｄ ｏｎ ｔｈｅ ｇｒａｄｉｅｎｔ ｄｅｓｃｅｎｔ ｍｅｔｈｏｄ，ａｎｄ ａｃｔｕａｌ ｔｏｗｅｒ ｍａｔｅｒｉａｌ ｓｔｒｅｎｇｔｈ ｉｓ ｃｏｍｐｒｅｈｅｎｓｉｖｅｌｙ ｅ－ ｖａｌｕａｔｅｄ ａｎｄ ｃａｌｃｕｌａｔｅｄ ｂａｓｅｄ ｏｎ ｔｈｅ ｏｂｔａｉｎｅｄ ｗｅｉｇｈｔｓ．Ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈｅ ａｃｃｕｒａｃｙ ａｎｄ ｆｅａｓｉｂｉｌｉｔｙ ｏｆ ｔｈｅ ｍｅｔｈｏｄ，ｉｔ ｃａｎ ｓｏｌｖｅ ｔｈｅ ｕｎｃｅｒｔａｉｎ ｐｒｏｂｌｅｍ ｏｆ ｔｈｅ ｆａｃｔｏｒ ｖａｌｉｄｉｔｙ ｐｒｏｃｅｓｓ ｏｆ ｔｏｗｅｒ ｍａｔｅｒｉａｌ ｉｎｔｅｎｓｉｔｙ． ＫＥＹＷＯＲＤＳ：Ｔｒａｎｓｍｉｓｓｉｏｎ ｔｏｗｅｒ；Ａｃｔｕａｌ ｔｏｗｅｒ ｍａｔｅｒｉａｌ ｓｔｒｅｎｇｔｈ；Ｒｏｕｇｈ ｓｅｔ；Ｄａｔａ ｍｉｎｉｎｇ；Ｇｒａｄｉｅｎｔ ｄｅｓｃｅｎｔ ｍｅｔｈ－ ｏｄ 输电杆塔本体受外力破坏造成…，虽然在杆塔设计中，基于 １ 引言 电网中有着不可替代的重要性，是高效供给和合理分配 电能的基础。长期运行资料表明，输电线路安全事故大多由 基金项目：国家自然科学基金（６１４７３１４４）；江苏省产学研联合前瞻性 项目（ＢＹ２０１５００９０５）；江苏省电力公司重点科技项目（Ｊ２０１４０９０）；南 京工程学院科研基金项目（ＱＫＪＢ２０１４１ １） 收稿日期：２０１６—０２—２５修回日期：２０１６—０３—０３ ．．．．——塔材的理论强度，按不同工况条件设置安全系数，在一定程 度上保证了输电线路的安全运行，但实际运行过程中倒塔等 结构安全事故仍时有发生 Ｊ。 杆塔本体安全由杆塔应力和塔材实际强度两方面表征， 本文主要研究塔材实际强度计算。由于杆塔本体长期受到 自然和外力侵袭，塔材实际强度会发生退化，数值低于理论 强度。传统的输电线路结构安全评价中一般都忽略塔材强 ２９０－－－－—— 度退化的问题，使得其评价结果存在较大的误差。杆塔塔材 强度退化是一个不确定性状态空间的演化过程，其中影响塔 材强度的因素较多且效度不清晰，评判的专家知识具有不完 ２．２粗糙集进行属性约简 基本指标体系的因素较多，可能会存在因素冗余的问 题，在不影响评价结果的基础上，为了不让评价过程复杂化， 备性 Ｊ，所以对塔材实际强度的计算是一个典型复杂不确定 性问题。 将对基本指标体系进行约简Ｅ７，ｓ］。８组样本测试数据如表２ 所示，为了便于计算简化，以等级Ⅱ的指标值作为各最初评 价指标的阀值，满足等级Ⅱ的指标值则为１，否则为０，对表２ 数据进行数据离散化，便可得出最初评价指标信息，离散化 数据挖掘是一种决策支持过程，主要基于数据库技术、 建模技术、人工智能以及可视化技术等高度自动化地分析处 理海量数据 ，从大量的输电杆塔历史数据中挖掘有用的 后的数据信息见表３。 表２样本测试数据 数据，做出归纳性的推理，可以解决影响塔材强度因素多且 效度不清晰的问题。 本文提出一种输电杆塔塔材结构优化设计方法，考虑塔 材强度退化问题，可有效提高塔材强度计算的精度。该方法 首先应用粗糙集理论对塔材强度影响因素集进行约简，采用 数据挖掘方法从大量的历史数据中挖掘有用数据构造学习 集，根据学习集运用梯度下降法不断迭代学习来确定因素集 权重，并将得到的权值综合评价计算塔材实际强度。 ２输电塔杆强度分析 ２．１塔材强度评价体系建立 根据供电企业输电线路多年运行数据以及专家经验，得 出了１ｌＯｋＶ电压等级线路杆塔塔材实际强度评价基本指标 体系。基本指标体系主要由气象区条件、亚强度损伤、导线 应力及机械振动三大类因素构成 。 影响因素集Ｕ＝｛ｕ，， ， ）。其中：Ｕ ＝｛／Ｌ ｌ２，ｕ１３， “ ，“。 ｝，ｕ。 为风速（最大风），“ ：为大气温度（最低温）， 。。 为年均气温，／Ｌ。 为覆冰厚度（最厚覆冰）， 为年雷暴日天 数。 ＝｛ ２１， ２２， ２３， ２４，ｕ２５，ｕ２６），Ⅱ２ｌ为运行时间， ２２为弯 曲修复次数，“ 为裂痕修复次数， 为雷电或故障电流损伤 次数，ｕ 为重覆冰疲劳次数， 拍为平均运行应力／最大运行 应力。 ＝｛ ，， ）， 为导线数，ｕ，：为风向 与线路角，“ 为地表面粗糙程度， 为钢材锈蚀量。 首先对影响因素的基本指标进行数据标准化处理，其次 根据评价因素对塔材强度的影响程度不同分为五个等级，分 别为Ｉ、Ⅱ、Ⅲ、Ⅳ、Ｖ，其中等级Ｉ表示对塔材实际强度影响 最小，随着等级的增加，对塔材的实际强度影响依次增大 。 下面以气象区为例建立气象区评价量化标准。 根据全国典型气象区库建立气象区条件的评价标准，得 出气象区评价量化标准，见表１。 表１气象区评价量化标准 注：“ 。为风速（最大风），“。２为大气温度（最低温），ｕ ３为年均气温 ｕ 为覆冰厚度（最厚覆冰），“ ５为年雷暴日天数。 表３样本数据离散化 根据粗糙集理论，对表３进行属性重要度约简 ： Ｕ／Ｒ＝｛｛１，７），｛２，４），｛３，６，８），｛５）） （Ｒ一｛ｕ。 ））：“１，３，５，７，８），｛２，４）） Ｕ／（Ｒ一｛ＩＩ，ｌ２））＝｛｛１，２，４，５，７），｛３，６，８Ｉｔ （Ｒ一｛Ｈｌ３））＝“１，７），｛２，４），｛３，６，８），｛５）） ／（Ｒ一｛ｕ， ））＝｛｛１，５，７），｛２，４），｛３，６，８）） （Ｒ一｛ 。５））＝｛｛１，７），｛２，４），｛３，６，８），｛５｝） （Ｒ一｛１１，Ｉ３，ｕ ５））＝｛｛１，７），｛２，４），｛３，６，８），｛５）） Ｕ／Ｒ≠Ｕ／（Ｒ一｛ １１）） Ｕ／Ｒ≠Ｕ／（Ｒ一｛ｕ ２）） Ｒ≠ （Ｒ一｛１１，】４）） Ｕ／Ｒ＝Ｕ／（Ｒ一｛“ｌ３｝）＝ ／（Ｒ一｛１１， ５｝）＝Ｕ／（Ｒ一｛１１， ３， １５｝） 经过属性重要度约简，计算可知指标ＩＩ， Ｉ１， 是冗余的。 一２９１— 同理，分别对亚强度损伤因素和导线应力及机械振动因素进 行属性重要度约简，得到最终评价指标为： Ｕ＝｛Ｕ１， ， ），其中Ｕｌ＝｛ Ｉ２，“ｉ４）， ＝ ｛ ２ｌ， ２２， ２３， ２４， ２５），￡，３＝｛ ３ｌ， ３２， ３３， ３４）。 关系如下 叼＝ｆｏ（Ｕ）＝Ｕ ０ 其中：０表示因素集权重值， 表示转置。 （７） 由于当前数据在不同的工作点，其数据密度可能不一 样，且用于建模的数据个数也不一定，为了获得最佳的因素 集权重向量０，预先设定邻域的变化范围Ｊｊ｝ ［ ， 】，在计 算近邻 ＋１的因素集权重向量０川时，直接利用近邻 的因 素集权重向量０ ，首先给出一个错误函数 ３数据挖掘学习集的构造 考虑一个未知的多人单出非线性映射¨ ，： 一Ｒ，假定 可以得到系统可观测的输入输出数据：｛（Ｘ ，ｙ ） 。。并且 这组数据存在函数关系 Ｙ ＝ｈ（ ）＋８ （１） ｍ ｉｎ ＝寺 （ （ ）一 ） （８） 式中： ∈Ｒ“是自变量；ｙ ∈Ｒ是因变量； ∈Ｒ是均值为零、 方差为 的随机变量。系统空间输入任意向量 ，是 否可以根据已知的数据集建立映射，并通过该映射得到与之 相对应的输出值多 的问题则转化为求解式（２）的优化 问题 ｍｉｎ∑（ 一ｈ（Ｘ ， ）） （２） 式中：Ｑ 为局部空间，由距离 最近的 个样本数据所构 成； （·）为输入输出向量的非线性映射函数； 为权值，表 示样本数据对系统输出向量的贡献度¨ 。 运用上述算法原理，采用Ｋ—ＶＮＮ搜索策略，在已有的 Ⅳ组数据中寻找 组最相似的数据（ ＜＜Ｎ）¨ ，本文提出 的杆塔塔材的实际强度退化率与影响因素集￡，呈现非线性 关系 叼＝，（Ｕ）＋ｓ（ｔ） （３） 其中，叼为退化率，ｓ（ｔ）为零均值的白噪声，ｆ（·）为未知的 非线性函数。对于已经存在Ⅳ组影响因素和退化率的数据 ｛叼（ｉ），Ｕ（ｉ） ，在当前ｔ时刻，有影响因素信息Ｕ（ｔ），采用 Ｋ— ｗ搜索策略，具体如下： １）当ＣＯＳ卢（Ｕ（ｉ），Ｕ（ｔ））＜０时，由于此Ｕ（ｉ）偏离当前 输入Ｕ（ｔ），舍弃该数据； ２）当ｅＯ￥ （Ｕ（ｉ），Ｕ（ｔ））Ｉ＞０时，采用以下选择准则，即 Ｄ（Ｕ（ｉ），Ｕ（ｔ））： ·ｅ一 ‘ ‘ ＇ ’＋ （１一 ）·ｃｏｓ口（Ｕ（ｉ），Ｕ（ｔ）） （４） 』ｃｏｓ ㈤， ＝ （５） ｄ（Ｕ（ｉ），Ｕ（ｔ））＝ｌｌＵ（ｉ）一Ｕ（ｔ）ｌｆ’ ∈［０，１］ 式中： 为加权因子。Ｄ（Ｕ（ｉ），Ｕ（ｔ））反映了Ｕ（ｉ）与Ｕ（ｔ）的 相似性。当两个向量越靠近，则ｄ就越小，并且ＣＯＳ 也就越 大，从而Ｄ（Ｕ（ｉ），Ｕ（ｔ））也就越大。因此，在已有的数据信 息中，选用Ｄ（·）值最大的 组数据，按降序排列，构造学 习集 ｛（ （１），田（１）），…，（ （ ），叼（ｊ｝））） Ｄ（Ｕ（１），Ｕ（ｔ））＞…＞Ｄ（Ｕ（ ），Ｕ（ｔ）） （６） ４因素集权重确定 杆塔塔材的实际强度退化率与影响因素集Ｕ局部线性 ．－－——２９２·－－—— 采用梯度下降法ｎ ，计算得到因素集权重向量如下 ．，（ ）＝旦００ ２∑（ （ ）一叼‘） ＝（ （ ）一叼） ｉ ＝， （９） 矿”＝ 一 （ ）：０ 一 （ （ ）一叼） （１０） 近邻ｋ＋１的去一交叉误差值 ／ｏｏｅ ＋１． ＝叼（ ）一 １， ＝１，２，…， ＋１ （１１） 式中： 表示 ＋１组数据中，去掉第 个数据所得到的模 型； ｌｏ ｏ，表示塔材实际强度退化率卵（ ）与模型 得到的预 测值之间的误差。 均方和去一交叉误差值ｅ般¨，得： ＋１ Ｅ （ ＋１）＝』三Ｌ丽——一 ∑ （ ｌｏｏ ） （１２） ∑ＷｊＪ＝１ 式中：加权因子 ＝ 芒，（咖（ ），Ｕ（ｔ））反映了每个ｕ（ ）的去 一交叉误差对Ｅ （ ＋１）“贡献”大小。越靠近Ｕ（ｔ）的Ｕ （ ），其“贡献”越大，反之则越小。此时，若Ｅ 。（ ＋１）＞Ｅ 。 （ ）， ＋１∈［｜｝ｊ ， 】，则认为模型“变差”，以模型０ 作为系 统当前时刻的最佳模型 １３１。否则采用梯度下降法得到的模 型，从学习集中选取出新的信息向量，继续迭代，直到 ＝ 为止，得到符合当前时刻影响因素和退化率关系的最佳局部 线性模型。于是这个局部线性模型可以用于计算杆塔塔材 实际强度的退化率： （ｔ）＝＝Ｕ （ｔ）０ （１３） 杆塔塔材实际强度： Ｔ： Ｘ（１～ （￡）） （１４） 其中 为塔材的理论强度。 ５仿真分析 本文应用粗糙集理论对塔材强度影响因素集进行约简， 采用数据挖掘方法从大量的历史数据中挖掘有用数据构造 学习集，根据学习集运用梯度下降法不断迭代学习来确定因 素集权重，并将得到的权值综合评价计算塔材实际强度。 针对江苏沿海某地区，调取了近三年的详细气象数据与 运行数据，分别选取８种不同状态的Ｑ２３５角钢样本，进行了 拉断力双盲测试，塔材实际强度仿真结果与实验数据误差均 在５％以内，测试对比数据见表４。 表４八种不同状态角钢的强度比较 拉断力试验数据 序 号 Ｑ２３５ 钢材状态 ［６】 牛东晓，等．基于数据挖掘的ＳＶＭ短期负荷预测方法研究 ［Ｊ］．中国电机工程学报，２００６，２６（１８）：６—１２． ［７］ 刘宏杰，等．粗糙集属性约简判别分析方法及其应用［Ｊ］．西 安交通大学学报，２００８，４１（８）：９３９—９４３． Ｌｉ Ｘｉａｎｇｈｕｉ，Ｄａ Ｋｅｎｉｎｇ．Ｒｅｓｅａｒｃｈ ｏｕ ｆｕｚｚｙ ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｅｖａｌｕａ— 仿真结果（Ｍｐａ） ［８］ 屈服强度抗拉强度屈服强度 抗拉强度 （Ｍｐａ） （Ｍｐａ） （Ｍｐａ） （Ｍｐａ） ｔｉｏｎ ｂａｓｅｄ ｏｎ ｒｏｕｇｈ ｓｅｔ ｔｈｅｏｒｙ［Ｊ］．Ａｄｖａｎｃｅｓ ｉｎ Ｉｎｔｅｌｌｉｇｅｎｔ ｎｄ ａＳｏｆｔ Ｃｏｍｐｕｔｉｎｇ，２０１２，１４８（１８）：２９—３４． １ 新角钢 ２２５．６５ ３８４．５４ ２２１．１４ ３７６．８１ ２２１．１４ ３７３．８１ ２１６．７２ ３６８．２４ ［９］ 王国胤，姚一豫，于洪．粗糙集理论与应用研究综述［Ｊ］．计算 机学报，２００９，３２（７）：１２２９—１２４２． ２投运０．５年的角钢３ ４投运１年的角钢 ２１７．７１ ３６９．９４ ２１１．３６ ３６０．６７ 投运１．５年的角钢２１２．４０ ３６０．８４ ２０６．１５ ３５３．１１ ［１Ｏ］ Ｐａｗｌａｋ，Ｚｄｚｉｓｌａｗ．Ｒｕｄｉｍｅｎｔｓ ｏｆ ｒｏｕｇＩｌ ｓｅｔｓ［Ｊ］．Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉ－ ｅｎｃｅ８，２００７，１７７（１）：３—２７． 王其红，潘天红，邹云．基于即时学习算法的软测量建模方法 ［Ｊ］．南京理工大学学报，２００７，３１（６）：６７９—６８３． ５ ６７ ８ 投运２年的角钢 投运２．５年的角钢投运３年的角钢 已废弃的角钢 ２０６．１３ ３５１．１０ ２０２．１７ ３４６．８１ １９９．９６ ３４２．５３ １９３．９２ ３３１．１８ １８５．０４ ３１４．９７ １７８．６５ ３０２．０３ ９１．２４ １５７．２９ ８７．４２ １５０．７５ ［１２］ 潘天红．基于局部学习策略的非线性系统多模型建模与控制 ［Ｄ］．上海交通大学博士学位论文，２００７． ［１３］ 潘天红，李少远．基于即时学习的非线性系统自适应ＰＩＤ控 制［Ｊ］．控制理论与应用，２００９，２６（１０）：１１８０—１１８４． ６结束语 本文提出一种应用粗糙集理论对塔材强度影响因素集 进行约简，采用数据挖掘方法从大量的历史数据中挖掘有用 ［１４］ 裴喜平，等．基于梯度下降法的单相幅相锁相环优化设计 ［Ｊ］．电力系统自动化，２０１４，３８（２）：ｌ１５—１２０． ［１５］ Ｚｈａｎｇ Ｌｉ，Ｚｈｏｕ Ｗｅｉｊｕｎ，Ｌｉ Ｄｏｎｇｈｕｉ．Ａ ｄｅｓｃｅｎｔ ｍｏｄｉｉｆｅｄ Ｐｏｌａｋ —＿Ｒｉｂｉｅｒｅ—＿Ｐｏｌｙａｋ ｃｏｎｊｕｇａｔｅ ｇｒａｄｉｅｎｔ ｍｅｔｈｏｄ ａｎｄ ｉｔｓ ｇｌｏｂａｌ ｃｏｎ· 数据构造学习集，根据学习集运用梯度下降法不断迭代学习 来确定因素集权重，并将得到的权值综合评价计算塔材实际 ｖｅｒｇｅｎｃｅ［Ｊ］．ＩＭＡ Ｊｏｕｒｎａｌ ｏｆＮｕｍｅｒｉｃａｌＡｎａｌｙｓｉｓ，２００６，２６（４）： ６２９—６４０． 强度的计算方法。塔材拉断力试验双盲测试结果表明了该 计算方法的准确性和可行性，可解决演化过程中影响塔材强 度的因素较多且效度不清晰的问题，为输电线路结构安全评 价提供重要的科学判据。 参考文献： ［１］ 王梅义．大电网事故分析与技术应用［Ｍ］．北京：中国电力出 版社，２００８． ［１６］ Ｔｓｅｎｇ Ｐａｕｌ，Ｙｕｎ Ｓａｎｇｗｏｏｎ．Ａ ｃｏｏｒｄｉｎａｔｅ ｇｒａｄｉｅｎｔ ｄｅｓｃｅｎｔ ｍｅｔｈ— ｄ ｆｏｏｒ ｎｏｎｓｍｏｏｔｈ ｓｅｐａｒａｂｌｅ ｍｉｎｉｍｉｚａｔｉｏｎ『Ｊ］．Ｍａｔｈｅｍａｔｉｃａｌ Ｐｒｏ． ｒａｍｍｉｇｎｇ，２００９，１１７（１）：３８７—４２３． ［２］李成榕，等．冰雪灾害条件下我国电网安全运行面临的问题 ［Ｊ］．电网技术，２００８，３２（４）：１４—２２． 曼 ［葛教动胡研授配 究方，电乐波研网向究（等１９方７８。２ ９向一：）电，男网作主（汉者设族简备）安介，江全］ 苏运泰徐行州，新人能，博工源程士与，师副主， ：电网运行与检修。 ［３］王昊昊，等．中国电网自然灭害防御技术现状调查与分析［Ｊ］． 电力系统自动化，２０１０，３４（２３）：５—１Ｏ． 陆文伟（１９９１一），男（汉族），江苏常州人，硕士研究生，研究方向： 电网主设备及系统安全运行。 ［４］ 葛乐，等．面向复杂工况的输电线路本体结构安全评价［Ｊ］． 电力系统自动化，２０１３，３７（２Ｏ）：１０８一ｌｌ３． ［５］梁锋．数据挖掘技术在寿险客户流失中的应用［Ｊ］．电子科学 技术，２０１５，２（１）：１０４—１０７． 许德智（１９８５一），男（汉族），江苏南通人，博士，副教授，研究方向： 数据驱动控制理论与应用，故障诊断与容错控制。 （上接第２３７页） 卫 ［杨硕士雁，莹主（要１９研７３究一领）域，女为作（数汉者据族简库）介，与山］ 公东安聊情城报人。 ，副教授 徐曹域为仙信数伟霁息据（安１库９７全与９数。一 ）据，女男建模（汉。 族），江苏扬南州京人，讲师，硕士，主要研究领 ．－－－——２９３－－－－——
