林锦荣 武云发 廖如超 陈郑淦哲

0 引言

载流量作为架空输电线路载流能力的重要标准,其取值的大小决定了架空输电线路动态增容的合理性,对电力调度和建设极为重要．边界条件是载流量计算过程中的重要参数,其取值是否合理决定了载流量计算结果的准确性[1-2]．

目前我国在架空输电线路载流量计算时,普遍使用的是《110 kV～750 kV架空输电线路设计规范》摩根公式[3]．同时,边界条件作为载流量计算的重要影响参数,目前我国载流量计算推荐的边界环境风速为0.5 m/s,环境温度为35 ℃．由于在载流量计算过程中使用的边界条件过于保守,导致无法充分发挥输电线路的载流量能力[4-5]．基于以上问题,文献[6]提出了一种载流量计算过程中边界条件的统计方法,通过传统的数学统计方法对气象数据进行统计并选定新的边界条件;文献[7]提出了一种气候条件对载流量影响的分析方法,得出对载流量有影响的因素由大到小依次为环境风速、环境温度以及日照强度．

随着人工智能时代的到来,统计机器学习方法被广泛应用于各个领域,成为人们不可或缺的数据分析手段[8]．其中,聚类算法在数据挖掘领域起着至关重要的作用,而在聚类算法中较为经典的算法有K-Means[9]、special clustering[10]等．其中K-Means由于其高效、易于实施的特点,到目前为止仍被广泛地应用于各个领域．

本文在传统的载流量计算方法的基础上,对载流量计算的边界条件进行重新选定．以广州地区近10年的气……