[發明專利]一種基于數據挖掘的輸電線路電磁環境參數預測方法

有效

• 申請號: 201710831587.4
• 申請日: 2017-09-15
• 公開（公告）號: CN107679292B
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 尹立群;郭麗娟;張玉波;張煒;吳秋莉;顏海俊;鄔蓉蓉
• 申請（專利權）人: 廣西電網有限責任公司電力科學研究院
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F113/16
• 代理公司: 南寧東智知識產權代理事務所(特殊普通合伙) 45117
• 代理人: 戴燕桃;巢雄輝

1.一種基于數據挖掘的輸電線路電磁環境參數預測方法，其特征在于，包括以下步驟：

S1：收集數據：所述數據包括線路基本參數、電磁環境參數和空間電場參數以及離子流參數，所述線路基本參數包括分裂導線數、子導線直徑、分裂導線間距、導線平均高度和海拔，所述電磁環境參數包括電暈放電CL、無線電干擾RI和可聽噪聲AN，空間電場以及離子流參數包括最大標稱場強NFS、最大復合電場強度MCEFI和最大離子流密度MICD；

S2：劃分數據：將步驟S1收集到的數據劃分為自變量和因變量兩部分，其中自變量包括所述的線路基本參數，因變量包括電磁環境參數、空間電場參數和離子流參數，系統模型為：

Y＝f(X),

在上式中，X為自變量，Y為因變量；

S3：采用t統計的方法來分析所述電磁環境參數之間的關系，驗證RI分別與AN、CL線性相關；

S4：采用t統計的方法來分析所述空間電場以及離子流參數之間的關系，驗證NFS分別與MCEFI、MICD線性相關；

S5：采用信息增益方法來分析影響電磁環境的主因素；

S6：根據S3、S4及S5的分析結果，對所述電磁環境參數和空間電場參數進行預測；

所述步驟S6中的預測采用決策樹回歸方法。

2.根據權利要求1所述的一種基于數據挖掘的輸電線路電磁環境參數預測方法，其特征在于，所述步驟S3具體為：

S31：假設所述無線電干擾RI分別與可聽噪聲AN、電暈放電CL不存在線性相關；

S32：假設

其中為模型線性回歸后的斜率，為自變量的標準差；

S33：對t進行統計，并將統計閾值設定為95％，得出步驟S31的假設均不成立；

S34：得出結論，即RI分別與AN、CL線性相關。

3.根據權利要求1所述的一種基于數據挖掘的輸電線路電磁環境參數預測方法，其特征在于，所述步驟S4具體為：

S41：假設所述最大標稱場強NFS分別與最大復合電場強度MCEFI、最大離子流密度MICD不存在線性相關；

S42：假設

其中為模型線性回歸后的斜率，為自變量的標準差；

S43：對t進行統計，并將統計閾值設定為95％，得出步驟S41的假設均不成立；

S44：得出結論，即NFS分別與MCEFI、MICD線性相關。

4.根據權利要求1所述的一種基于數據挖掘的輸電線路電磁環境參數預測方法，其特征在于，所述步驟S5具體為：

S51：定義信息熵的公式為：

其中H為信息熵，p_i是系統成為狀態i的概率；

S52：定義信息增益IG的公式為：

IG(T,a)＝H(T)-H(T|a),

其中T表示一系列的訓練樣本，而a代表樣本的其中一個參數；

S53：以RI和NFS為因變量，根據步驟S52中的式子分別計算RI和NFS所對應的信息增益，其中T表示一系列的訓練樣本，每一個訓練樣本代表一組線路基本參數，a代表訓練樣本的其中一個參數，具體為分裂導線數、子導線直徑、分裂導線間距、導線平均高度和海拔中的一個；

S54：統計步驟S53的計算結果，歸納總結出影響無線電干擾RI和最大標稱場強NFS的主要因素和次要因素。

5.根據權利要求1所述的一種基于數據挖掘的輸電線路電磁環境參數預測方法，其特征在于，所述決策樹回歸方法具體為：

將整個樣本數據分為訓練集和測試集兩組，訓練組占總樣本的90％，測試組占總樣本的10％，將訓練集對決策樹模型進行訓練后，再利用測試集對決策樹模型進行計算，得到均方誤差。

6.根據權利要求5所述的一種基于數據挖掘的輸電線路電磁環境參數預測方法，其特征在于，所述決策樹模型中每個方框中的百分比表示樣本的比例，剩下的數值是相應的預測結果，在每個分割點上，左側表示條件滿足的情況，右側則表示條件不滿足的情況。