[發明專利]一種新型輸電線路覆冰預測方法

在審

• 申請號: 201810941980.3
• 申請日: 2018-08-17
• 公開（公告）號: CN109242159A
• 公開（公告）日: 2019-01-18
• 發明（設計）人: 牛東曉;王海潮;陳寒鈺;李偲
• 申請（專利權）人: 華北電力大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 張文寶

1.一種新型輸電線路覆冰預測方法，其特征在于，所述輸電線路覆冰預測方法包括以下步驟：

步驟1：輸入選取指標并對各輸入指標進行標準化處理；

步驟2：構建最小二乘支持向量機的模型；

步驟3：對最小二乘支持向量機進行改進，形成基于改進最小二乘支持向量機的輸電線路覆冰厚度預測模型。

2.根據權利要求1所述的新型輸電線路覆冰預測方法，其特征在于：所述步驟1中的選取指標包括：當前環境溫度、相對濕度、風速、風向、光照強度、大氣壓、海拔高度、凝結高度、導線方向、導線懸垂高度、負荷電流、降水量、導線表面溫度。

3.根據權利要求2所述的新型輸電線路覆冰預測方法，其特征在于：所述步驟1中的選取指標還包括：導線表面前T-i(i＝1,2,3,4)時刻的覆冰厚度值、溫度、相對濕度和風速。

4.根據權利要求3所述的新型輸電線路覆冰預測方法，其特征在于：所述步驟1中各輸入指標具有不同的量綱和數量級，對所述各輸入指標進行如公式(1)的標準化處理：

其中，x_i是實際值，x_min和x_max分別是樣本數據的最小值和最大值。

5.根據權利要求4所述的新型輸電線路覆冰預測方法，其特征在于：所述步驟2構建最小二乘支持向量機的模型的具體步驟包括：

設給定樣本集N為樣本總數，則樣本的回歸模型為公式(2)：

其中，是訓練樣本投射到一個高維空間，w是加權向量，b是偏置；

對于最小二乘支持向量機,其優化問題可以轉化為以下公式(3)和(4)進行求解:

其中，γ為懲罰系數，用于平衡模型的復雜程度和精確，ξ_i為估算誤差，為解決上述方程，需要將其轉化為拉格朗日函數進行求解。

6.根據權利要求5所述的新型輸電線路覆冰預測方法，其特征在于：所述步驟3對所述最小二乘支持向量機進行改進的具體步驟包括：

①輸入向量橫向加權

輸電線路覆冰預測為多輸入-單輸出模型，輸入向量x_i中的數值隨項目序號橫向分布，輸入向量根據公式(5)進行加權處理：

式中，表示加權后的輸入向量，x_ki為原始輸入向量，k輸入向量維數，δ為常數，n表示項目序號；

②訓練樣本集縱向加權

通過對當前輸電線路覆冰影響因素賦予不同的隸屬度值來減少近距離樣本對預測模型的影響，增大遠距離樣本對預測模型的影響，應用線性隸屬度μ_i來計算所賦予的隸屬度值，其方程如公式(6)：

μ_i＝β+i(1-β)/N,0≤μ_i≤1 (6)

其中，μ_i為隸屬度值，β為[0,1]之間的常數，i＝1,2,…,N，則輸入樣本集為公式(7)：

T＝{(x₁,y₁,μ₁) (x₂,y₂,μ₂) … (x_N,y_N,μ_N)} (7)

β值的確定直接影響最小二乘支持向量機模型的擬合性能，因此β值通過計算灰色關聯系數來確定，ρ為變量參數，灰色關聯系數計算公式如公式(8)、(9)和(10)：

Δ_ki＝|x₀(k)-x_i(k)|ρ∈[0,1] (9)

由于輸電線路覆冰預測為多輸入-單輸出模型，則公式(11)：

x₀＝Y,Y＝{y₁,y₂,…,y_N} (11)

其中Y為輸出結果構成的集合。

7.根據權利要求6所述的新型輸電線路覆冰預測方法，其特征在于：所述步驟3形成基于所述改進的最小二乘支持向量機的輸電線路覆冰厚度預測模型的具體步驟：

對所述最小二乘支持向量機分別進行所述輸入向量橫向加權改進和訓練樣本集縱向加權改進后目標函數為公式(12)和(13)：

為求上述公式(12)和(13)，建立拉格朗日函數公式(14)：

其中α_i為拉格朗日乘子，對函數的各個變量進行求導，并令其為零得公式(15)：

消去w和ξ_i轉化為以下公式(16)：

式中：e_n＝[1,1,...,1]^T,α＝[α₁,α₂,...,α_n],y＝[y₁,y₂,...,y_n]^T求解上述方程式，得到公式(17)：

式中，K(x_i,x)為核函式，選取小波核函數來代替標準最小二乘支持向量機中的高斯核函數，將小波核函數帶入到y(x)中，得到公式(18)和(19)，其中б為核參數：

由此得到加權最小二乘支持向量機回歸模型為公式(20)：