【技術實現步驟摘要】
本專利技術屬于輸電線路覆冰厚度概率預測，涉及一種基于覆冰模式識別與分位數回歸的輸電線路覆冰概率預測方法。
技術介紹
1、21世紀以來，由于國民經濟快速發展，電力需求不斷增加，我國電網建設進入快速發展時期。然而，由于不同地區自然環境的顯著差異，輸電線路面臨更高的氣象災害風險，對線路的安全穩定運行構成了挑戰。對于輸電線路來說，覆冰危害是最常見、最嚴重的危害之一，嚴重時甚至會造成跳閘、斷線、倒塔、絕緣子冰閃、通信中斷等問題，對線路的安全穩定構成巨大威脅，帶來巨大的經濟損失。通過預測線路覆冰厚度，可以及時應對覆冰造成的損害，確保電網安全穩定運行。
2、近年來，國內外學者已經對輸電線路覆冰預測做了大量研究，也取得了較為顯著的進展。目前，覆冰預測模型大致可分為三大類，分別為物理模型、統計模型、人工智能模型。盡管現有模型方法在各自實驗場景取得了相對優越的成果，但大多數輸電線路覆冰預測都是針對整個覆冰周期進行確定性建模，預測精度往往不夠高，或模型過于復雜，鮮有研究對不同覆冰模式下的不同特征做出概率性預測，無法為決策者提供更全面的預測信息來進行預警信息與檢修方案的制定與決策。
技術實現思路
1、本專利技術要解決的技術問題是提供一種基于覆冰識別與分位數回歸的輸電線路覆冰概率預測方法，通過對算法的改進，該方法能夠提供準確的覆冰厚度概率預測結果，對電網輸電線路抗冰工作，以及電網的安全運行、運維檢修具有重要意義。
2、本專利技術采用的技術方案是：基于覆冰識別與分位數回歸的輸電線路覆冰
3、步驟s10，獲取預測地區輸電線路的歷史覆冰厚度數據、氣象數據和海拔高度數據，通過對以上數據的增強處理得到影響輸電線路覆冰模式的關鍵特征；
4、步驟s20，根據步驟s10所提取的關鍵特征，借助k-means聚類算法將輸電線路覆冰模式分為n類標簽，n∈[2,9]；
5、然后選取輪廓系數對n類標簽進行評估，評估出n的最佳取值，同時獲得不同覆冰模式標簽下的子數據集；
6、步驟s30，借助cnn模型構建輸電線路覆冰模式辨識模型，模型以待預測時刻t前兩個時刻的歷史覆冰數據和氣象數據作為輸入，輸出為待預測時刻t覆冰模式的標簽；
7、步驟s40，借助分位數回歸與lstm神經網絡的結合構建覆冰厚度概率預測模型，模型以待預測時刻t前兩個時刻輸電線路的歷史覆冰厚度數據和氣象數據作為輸入，輸出待預測時刻t輸電線路的覆冰厚度概率分布區間，得到不同覆冰模式下的覆冰厚度概率預測結果。
8、進一步，所述步驟s10中的數據增強處理為：根據歷史覆冰厚度數據、氣象數據、海拔高度數據，通過對輸電線路覆冰過程機理分析，提取覆冰厚度的累積變化量f1、覆冰厚度的梯度f2、覆冰厚度的三階導數f3、環境相對溫度f4、環境濕度f5、風速f6作為影響覆冰模式的關鍵特征；
9、覆冰厚度的累積變化量f1，
10、；
11、覆冰厚度的梯度f2，
12、；
13、覆冰厚度的三階導數f3，
14、；
15、溫度f4，f4∈（-15-0℃）；
16、相對濕度f5，f5>80%；
17、風速f6，f6∈（0-10m/s）。
18、其中，h代表覆冰厚度；h（t2）和h（t1）分別代表在時刻t2和t1的覆冰厚度；t2與t1是相鄰的兩個時刻，且≥1。
19、進一步，所述輪廓系數公式為
20、；
21、其中，代表第i個覆冰厚度數據與其所在類別內的覆冰厚度數據的平均歐幾里得距離，代表覆冰厚度數據與其他類別內所有覆冰厚度數據的平均歐幾里得距離。
22、進一步，所述步驟s30中輸電線路覆冰模式辨識模型的訓練和評估方法為：
23、將不同覆冰模式標簽下的子數據集按照比例8:2劃分為訓練集和測試集，借助構建的輸電線路覆冰模式辨識模型，得到所有測試集的覆冰模式；
24、基于cnn的覆冰模式辨識模型，使用用戶精度pa和全局精度oa來對覆冰模式辨識的結果進行評估；
25、用戶精度pa評估模型在預測某一類覆冰模式標簽中的正確概率，全局精度oa評估總體預測準確率；
26、用戶精度pa計算公式如下：
27、，
28、全局精度oa計算公式如下：
29、，
30、其中，m表示覆冰數據被分到某一類覆冰模式的樣本數量，表示第e類覆冰數據被分到第f類覆冰數據的總數，n是所有原始覆冰厚度數據測試集的總樣本數。
31、進一步，所述步驟s40中的覆冰厚度概率預測模型的訓練和評估方法為：
32、將不同覆冰模式標簽下的子數據集按標簽類別分類，每種類別的子數據集按照比例8:2劃分為訓練集和測試集；
33、每種類別的子數據集單獨訓練該模型，得到不同覆冰模式標簽的覆冰厚度概率預測模型，從而得到不同覆冰模式標簽下的覆冰厚度概率預測上下界；
34、使用區間覆蓋概率(picp)、區間歸一化平均寬度(pinaw)，綜合評價不同覆冰模式標簽內的覆冰厚度概率結果；
35、將所有覆冰模式標簽下的概率預測結果按照時間序列排序，得到所有測試集的覆冰厚度概率預測結果。
36、本專利技術還提供一種存儲介質，用于存儲計算機程序，所述計算機程序被處理器執行時實現基于覆冰模式識別與分位數回歸的輸電線路覆冰概率預測方法。
37、采用本專利技術產生的有益效果：1）本方法的基于覆冰模式識別的覆冰預測模型充分考慮了不同覆冰模式下覆冰厚度變化的特點，通過不同覆冰模式采用不同數據集針對性進行訓練提升預測精度，避免了使用單一模型對多種覆冰模式進行統一預測而導致的精度損失；2）本方法的基于覆冰模式識別與分位數回歸的輸電線路覆冰概率預測方法不但可以有效的判斷待預測時刻的覆冰模式，同時使用lstm與分位數回歸結合的概率預測方法，得到不同覆冰模式下的概率預測區間，獲取待預測時刻輸電線路覆冰厚度的概率分布，為決策者提供更為全面的預測信息。
本文檔來自技高網...【技術保護點】
1.基于覆冰識別與分位數回歸的輸電線路覆冰概率預測方法，其特征在于，所述輸電線路覆冰概率預測方法包括：
2.根據權利要求1所述的輸電線路覆冰概率預測方法，其特征在于，所述步驟S10中的數據增強處理為：根據歷史覆冰厚度數據、氣象數據、海拔高度數據，通過對輸電線路覆冰過程機理分析，提取覆冰厚度的累積變化量F1、覆冰厚度的梯度F2、覆冰厚度的三階導數F3、環境相對溫度F4、環境濕度F5、風速F6作為影響覆冰模式的關鍵特征；
3.根據權利要求1所述的輸電線路覆冰概率預測方法，其特征在于：
4.根據權利要求1所述的輸電線路覆冰概率預測方法，其特征在于，所述步驟S30中輸電線路覆冰模式辨識模型的訓練和評估方法為：
5.根據權利要求1所述的輸電線路覆冰概率預測方法，其特征在于，所述步驟S40中的覆冰厚度概率預測模型的訓練和評估方法為：
6.一種存儲介質，用于存儲計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1-5中任一所述的基于覆冰模式識別與分位數回歸的輸電線路覆冰概率預測方法。
【技術特征摘要】
1.基于覆冰識別與分位數回歸的輸電線路覆冰概率預測方法，其特征在于，所述輸電線路覆冰概率預測方法包括：
2.根據權利要求1所述的輸電線路覆冰概率預測方法，其特征在于，所述步驟s10中的數據增強處理為：根據歷史覆冰厚度數據、氣象數據、海拔高度數據，通過對輸電線路覆冰過程機理分析，提取覆冰厚度的累積變化量f1、覆冰厚度的梯度f2、覆冰厚度的三階導數f3、環境相對溫度f4、環境濕度f5、風速f6作為影響覆冰模式的關鍵特征；
3.根據權利要求1所述的輸電線路...
【專利技術屬性】
技術研發人員：李振動，李鵬，韓庚，郭昕陽，任振龍，李達，李玉寶，王斐然，張峰，李佳楠，周志文，李大偉，劉德明，薛卿，邢延超，宋振，趙磊，何雷，張玥，薛思雨，侯子龍，李利明，張春陽，劉海營，陳慶貴，戴浩男，
申請(專利權)人：國網冀北電力有限公司超高壓分公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。