[發明專利]基于k?VNN和LS?SVM的輸電線路覆冰建模方法

有效

• 申請號: 201410069038.4
• 申請日: 2014-02-27
• 公開（公告）號: CN103778305B
• 公開（公告）日: 2017-02-01
• 發明（設計）人: 許家浩;楊中亞;黃宵寧;楊成順
• 申請（專利權）人: 南京工程學院
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 南京縱橫知識產權代理有限公司32224
• 代理人: 董建林

技術領域

本文發明一種基于數據驅動的LS-SVM辨識理論對覆冰的發展進行了預測，屬于架空線路安全與防護領域。

背景技術

近些年來，由于國家電網公司“智能電網”等有關概念的提出，大量的研究人員將目光轉向了電力系統所涉及的方方面面，輸電線路作為各個輸電網和用戶之間的能源通道，其重要地位更是顯而易見。然而，由于線路長期曝露野外，承受著自然界各種因素的侵蝕，已然成為電力系統中最為脆弱的部分。每當進入冬季，江浙、云南、貴州等地區由于濕氣太重，一旦寒流入侵，勢必引起局部地區輸電線路的嚴重覆冰，這將導致鐵塔扭曲、倒塔、斷線等破壞性事故，不僅給用戶生產生活帶來影響，更危害電網的安全。因此，如何防治輸電線路的覆冰災害已成為智能電網建設中亟待解決的問題之一。

由于在線監測技術的發展，許多小型輸電線路覆冰在線監測裝置逐漸應用于重覆冰區域，其收集的氣象及覆冰信息為線路覆冰的機理挖掘提供了寶貴的資料。

其中，俄、加、美、等國的研究人員對線路覆冰進行了大量的研究，在導線覆冰的機理、導線覆冰荷載等領域取得了大量的理論成果和產品：日本通過風洞設施開展了各個氣象參數對冰雪的影響；加拿大研究人員統計了魁北克試驗線路若干年的覆冰數據，建立了相對完善的覆冰變化與微氣象之間的關系，但他們的研究較多的是線路覆冰的數學經驗公式。然而，此方法在實際的應用中往往缺乏詳盡的數據支持，而限制該方法的應用和擴展。

在國內，各設計、科研及運行單位也進行了大量的研究工作，目前關于電力線路的覆冰預測模型雖然總類繁多，但目前主要存在問題為：1）研究數據基于各種人工模擬氣候條件下，在復雜自然環境下缺乏說服力；2）雖然有些文獻中分析和建模采用的是某些線路的覆冰在線監測數據，但往往這些采集的數據中存在大量冗余、錯誤的數據，未經篩選就使用這么龐大的數據進行建模，將無法反映線路覆冰的發展規律；3）現有的研究成果中由于算法的實時性差或者精度不高等問題，并未有適用于線路覆冰災害預警的快速算法。

故此，依據數據驅動的思想，以向量的方式看待覆冰樣本數據，提出一種基于數據驅動的LS-SVM辨識模型。將微氣象監測終端采集的數據進行聚類分析，充分利用LS-SVM適用小樣本擬合的特點對線路覆冰模型進行精確建模。

發明內容

本發明的目的在于：提出一種能適用于各種微氣象條件下的覆冰預測模型建模方法。

本發明的解決方案是：一種微氣象條件下基于k-VNN和LS-SVM的輸電線路覆冰模型建模方法，包括如下步驟：

步驟1：首先以線路桿塔微氣象站提供的歷史數據為基礎，讀入微氣象參數值并轉化為向量形式；

步驟2：引入k-VNN算法以從線路覆冰樣本數據庫選取合適的樣本，計算信息向量的歐式距離與夾角信息；

步驟3：根據步驟2中所述的算法，有選擇性的刪除和保留信息向量相似區域（即鄰近點）構成訓練樣本；

步驟4：通過交叉確認（CV）的方法對k-VNN鄰近算法選取的樣本數量進行尋優，以獲得LS-SVM模型中合適的核函數K(x_i,x_j)寬度σ及誤差懲罰因子γ等參數，尋找到最優；

步驟5：參數設定好后，采用最小二乘支持向量機（LS-SVM）進行相關數據的訓練，最后可獲得覆冰厚度。

步驟1中數據是在輸電線路微氣象監測點所監測的歷史數據的基礎上，通過人工篩選的方法將某一時刻線路覆冰快速增長的部分篩選出來，并導出其對應的微氣象參數（環境溫度、相對濕度、30分鐘平均風向，風速等）并將其轉化為向量形式。

所述步驟2中的k-VNN算法為：

設有兩個n維向量，X_i=[x_i,1,x_i,2,…,x_i,n]^T與，X_q=[x_q,1,x_q,2,…,x_q,n]^T，則向量X_i與X_q的Euclidean距離與夾角定義為：