[發(fā)明專利]一種利用卡爾曼濾波的輸電線路覆冰實時估計與預測方法

有效

• 申請?zhí)枺?/td>: 201810955377.0
• 申請日: 2018-08-21
• 公開（公告）號: CN109146175B
• 公開（公告）日: 2022-04-01
• 發(fā)明（設計）人: 王晶晶;王義廂
• 申請（專利權）人: 濰坊科技學院;安徽省特種設備檢測院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06F17/18
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魯力

1.一種利用卡爾曼濾波的輸電線路覆冰實時估計與預測方法，其特征在于，包括以下步驟：

步驟1：利用K時刻的覆冰與微氣象歷史數據，建立基于等值覆冰厚度增量與微氣象因子的多元非線性回歸模型，基于

ΔR＝a₂T²+b₂V_n²+c₂P²+a₁T+b₁V_n+c₁P+d₁H_r+e₀

其中，ΔR為等值覆冰厚度增量，T為溫度，P為降水，V_n為有效風速，Hr為相對濕度；a_i、b_i、c_i、d_i與e₀均為模型系數，可通過覆冰與微氣象歷史數據的最小二乘回歸求得；

步驟2:結合多元非線性回歸模型與預報的微氣象數據，預測K+1時刻的等值覆冰厚度增量，具體是將量化的預報微氣象數據代入步驟1中的多元非線性回歸模型，計算K+1時刻的等值覆冰厚度增量；

步驟3：基于卡爾曼濾波，計算K+1時刻的等值覆冰厚度預測值，并在獲取K+1時刻的等值覆冰厚度觀測值后，計算K+1時刻的等值覆冰厚度最優(yōu)估計值；

具體實現包括以下子步驟：

步驟3.1：結合K時刻的等值覆冰厚度最優(yōu)估計值與K+1時刻的等值覆冰厚度增量預測值建立卡爾曼濾波預測方程(如下式所示)，計算K+1時刻的等值覆冰厚度預測值：

其中，Δt＝t_k-t_k-1為覆冰觀測序列的采樣間隔，X_k|k為K時刻的等值覆冰厚度最優(yōu)估計值，Δx_k|k為K+1時刻的等值覆冰厚度增量預測值，W_k為K時刻的動態(tài)噪聲，X_k+1|k為K+1時刻的等值覆冰厚度預測值；

步驟3.2：當獲取K+1時刻的等值覆冰厚度觀測值后基于下式建立卡爾曼濾波觀測方程，進而計算K+1時刻的等值覆冰厚度最優(yōu)估計值：

其中，V_k+1為K+1時刻的觀測噪聲，Z_k+1為K+1時刻的等值覆冰厚度觀測值，X_k+1|k+1為K+1時刻的等值覆冰厚度最優(yōu)估計值。

2.根據權利要求1所述的一種利用卡爾曼濾波的輸電線路覆冰實時估計與預測方法，其特征在于，步驟1中，將K時刻的覆冰與微氣象歷史數據進行量化，具體是：溫度量化為單位為℃的溫度數值；濕度量化為單位為％的相對濕度數值；降水量化為單位為mm/h的降水量數值；風速與風向量化為有效風速V_n＝Vsinθ，單位為m/s，其中V為風速，θ為風向與導線方向之間的夾角；等值覆冰厚度量化為等值覆冰厚度增量ΔR_K＝R_K-R_K-1，單位為mm，其中R_K為K時刻的等值覆冰厚度。

3.根據權利要求1所述的一種利用卡爾曼濾波的輸電線路覆冰實時估計與預測方法，其特征在于，步驟2中所述預測K+1時刻的等值覆冰厚度增量，首先將K+1時刻預報的微氣象數據進行量化，具體是：溫度量化為單位為℃的溫度數值；濕度量化為單位為％的相對濕度數值；降水量化為單位為mm/h的降水量數值；風速與風向量化為有效風速V_n＝Vsinθ，單位為m/s，其中V為風速，θ為風向與導線方向之間的夾角。