[發(fā)明專利]基于序列學(xué)習(xí)的電力鐵塔變形分析與決策方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410683386.0
• 申請(qǐng)日: 2014-11-25
• 公開(kāi)（公告）號(hào): CN104915534B
• 公開(kāi)（公告）日: 2018-10-02
• 發(fā)明（設(shè)計(jì)）人: 孫琳珂;上官朝暉;王海峰;劉佳;曾昭智
• 申請(qǐng)（專利權(quán)）人: 國(guó)家電網(wǎng)公司;湖北華中電力科技開(kāi)發(fā)有限責(zé)任公司
• 主分類號(hào): G06F17/50
• 分類號(hào): G06F17/50
• 代理公司: 武漢楚天專利事務(wù)所 42113
• 代理人: 孔敏

本發(fā)明提供一種基于序列學(xué)習(xí)的電力鐵塔變形分析與決策方法，先使用卡爾曼濾波算法進(jìn)行原始數(shù)據(jù)篩選，其次使用一元線性回歸和最小二乘法進(jìn)行篩選后數(shù)據(jù)的校核，再次使用小波分析理論對(duì)校核后數(shù)據(jù)進(jìn)行濾波分析；然后建立自回歸滑動(dòng)平均(Auto?Regressive and Moving Average簡(jiǎn)稱ARMA)模型進(jìn)行初步預(yù)測(cè)，最后建立組合模型分析鐵塔形變狀態(tài)。本發(fā)明利用序列學(xué)習(xí)理論，建立組合模型，以用于電力塔形變分析，該方法解決了傳統(tǒng)電力塔變形監(jiān)測(cè)方式存在的建模單一粗糙，人工判斷精度不高、效率低等問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明屬于電力設(shè)備維護(hù)與監(jiān)測(cè)技術(shù)領(lǐng)域，涉及一種基于序列學(xué)習(xí)的電力鐵塔變形分析與決策方法。本發(fā)明利用序列學(xué)習(xí)可持續(xù)提高人工判讀測(cè)量數(shù)據(jù)效率，降低人為因素的判斷誤差。

背景技術(shù)

傳統(tǒng)變形監(jiān)測(cè)一般采用地面常規(guī)測(cè)量技術(shù)、地面攝影測(cè)量技術(shù)、GPS空間定位技術(shù)應(yīng)用，使用全站儀、照相機(jī)/攝像機(jī)、GPS導(dǎo)航定位設(shè)備，一般采用人工判讀測(cè)量數(shù)據(jù)，分析判斷鐵塔變形狀態(tài)。GPS導(dǎo)航變形監(jiān)測(cè)技術(shù)采用單一的時(shí)間序列分析方法建模，無(wú)法準(zhǔn)確分析判斷風(fēng)偏等突發(fā)位移。人工經(jīng)驗(yàn)分析無(wú)法處理大數(shù)據(jù)和采樣誤差。單一的時(shí)間序列分析方法，不能解決多因素產(chǎn)生的變形情況，多因素一般包括水平沉降、風(fēng)偏、覆冰等。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的上述不足，本發(fā)明利用序列學(xué)習(xí)理論，建立組合模型，以用于電力塔形變分析，該方法解決了傳統(tǒng)電力塔變形監(jiān)測(cè)方式存在的建模單一粗糙，人工判斷精度不高、效率低等問(wèn)題。

本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：首先使用卡爾曼濾波算法進(jìn)行原始數(shù)據(jù)篩選，其次使用一元線性回歸和最小二乘法進(jìn)行篩選后數(shù)據(jù)的校核，再次使用小波分析理論對(duì)校核后數(shù)據(jù)進(jìn)行濾波分析，然后建立自回歸滑動(dòng)平均(Auto-Regressive andMoving Average簡(jiǎn)稱ARMA)模型進(jìn)行初步預(yù)測(cè)，最后建立組合模型分析鐵塔形變狀態(tài)。

所述的基于序列學(xué)習(xí)的電力鐵塔變形分析與決策方法，所述的使用卡爾曼濾波算法進(jìn)行原始數(shù)據(jù)篩選包括以下幾個(gè)具體步驟：

第一步：利用卡爾曼濾波算法，確定全網(wǎng)的觀測(cè)方程、卡爾曼濾波的數(shù)學(xué)模型；

第二步：將采用卡爾曼濾波對(duì)各監(jiān)測(cè)點(diǎn)的坐標(biāo)進(jìn)行濾波、預(yù)測(cè),分析實(shí)時(shí)觀測(cè)值與預(yù)測(cè)值向量的一致性。

所述的基于序列學(xué)習(xí)的電力鐵塔變形分析與決策方法，所述的使用一元線性回歸和最小二乘法進(jìn)行篩選后數(shù)據(jù)的校核具體包括以下幾個(gè)步驟：

第一步：根據(jù)鐵塔變形采集數(shù)據(jù)，計(jì)算加速度與傾角，加速度和由實(shí)時(shí)動(dòng)態(tài)系統(tǒng)算法(Real-time kinematic簡(jiǎn)稱RTK)解算的數(shù)據(jù)，加速度與風(fēng)速的相關(guān)系數(shù)；

第二步：建立加速度與傾角，加速度和RTK解算數(shù)據(jù)，加速度與風(fēng)速的方程；

第三步：使用最小二乘法計(jì)算上述三個(gè)方程的回歸參數(shù)；

第四步：使用方程計(jì)算數(shù)據(jù)，對(duì)比采集數(shù)據(jù)，找出問(wèn)題數(shù)據(jù)。

所述的基于序列學(xué)習(xí)的電力鐵塔變形分析與決策方法，所述的使用小波分析理論對(duì)校核后數(shù)據(jù)進(jìn)行濾波分析具體步驟如下：

第一步：利用小波算法對(duì)采集到的數(shù)據(jù)進(jìn)行分解；

第二步：對(duì)采集數(shù)據(jù)有用信息和噪聲的小波分解高頻系數(shù)閾值進(jìn)行量化處理；

第三步：利用小波算法對(duì)采集數(shù)據(jù)重構(gòu)。小波分解的第n層低頻系數(shù)和經(jīng)過(guò)閾值量化處理的第1層至第n層的高頻系數(shù)進(jìn)行重新排列，可以得到去噪聲后的觀測(cè)數(shù)據(jù)序列估計(jì)值，即觀測(cè)精度估計(jì)值。

所述的基于序列學(xué)習(xí)的電力鐵塔變形分析與決策方法，所述的建立ARMA模型進(jìn)行初步預(yù)測(cè)具體步驟如下：

第一步：ARMA混合回歸模型因子階數(shù)的確定；