[發(fā)明專利]基于自適應增強學習的輸電線路覆冰風險預測

在審

• 申請?zhí)枺?/td>: 201910243750.4
• 申請日: 2019-03-28
• 公開（公告）號: CN110136023A
• 公開（公告）日: 2019-08-16
• 發(fā)明（設計）人: 吳瓊;李紅云;張萬才;朱慶超;王興勛;胡軍;趙根;吳陽;何金良;莊池杰
• 申請（專利權）人: 清華大學;北京國網(wǎng)富達科技發(fā)展有限責任公司
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06N20/10;G06N20/20;G01V8/10;G01B11/06;G01R31/08;G01D21/02
• 代理公司: 天津市尚儀知識產(chǎn)權代理事務所(普通合伙) 12217
• 代理人: 高正方

一種基于自適應增強學習的輸電線路覆冰風險預測,包括學習部分，參數(shù)確定部分，其特征在于，在參數(shù)確定部分中，先進行參數(shù)的確定，獲得初始訓練集，再基于初始訓練集進行學習部分，所述參數(shù)確定步驟包括，設備臺賬數(shù)據(jù)、覆冰在線監(jiān)測數(shù)據(jù)、外部氣象環(huán)境數(shù)據(jù)、光纖復合架空地線覆冰荷載監(jiān)測，其有益效果是：用輸電線路覆冰相關的設備臺賬、在線監(jiān)測、外部氣象環(huán)境等歷史數(shù)據(jù)進行模型學習和訓練，建立覆冰發(fā)生風險和覆冰載荷估算的機器學習模型；對當前時刻輸電線路數(shù)據(jù)（尤其是未安裝覆冰在線監(jiān)測終端或復合架空地線覆冰荷載監(jiān)測系統(tǒng)的線路）進行相應的預測分析，得出當前線路是否會發(fā)生覆冰或者實際覆冰載荷及厚度的預測數(shù)據(jù)。

技術領域

本發(fā)明涉及輸電線路覆冰分析領域，特別是一種基于自適應增強學習的輸電線路覆冰風險預測。

背景技術

隨著電網(wǎng)在線監(jiān)測技術的發(fā)展,輸電線路覆冰數(shù)據(jù)種類越來越越多,各種各樣的異構大數(shù)據(jù)不斷增長,傳統(tǒng)數(shù)據(jù)分析方法與模型已不能滿足日益增長的覆冰數(shù)據(jù)需求。因此,采用機器學習方法對大規(guī)模異構性覆冰數(shù)據(jù)進行分析,構建有效地覆冰預測模型與覆冰風險管理方法,對于提前預防區(qū)域電網(wǎng)冰凍災害、保障電網(wǎng)安全穩(wěn)定運行具有十分重要的科學意義和應用前景。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決上述問題，設計了一種集成機器學習的輸電線路覆冰風險預測。具體設計方案為：

一種基于集成機器學習的輸電線路覆冰風險預測,包括學習部分，參數(shù)確定部分，在參數(shù)確定部分中，先進行參數(shù)的確定，獲得初始訓練集，再基于初始訓練集進行學習部分，

所述參數(shù)確定步驟包括，設備臺賬數(shù)據(jù)、覆冰在線監(jiān)測數(shù)據(jù)、外部氣象環(huán)境數(shù)據(jù)、光纖復合架空地線覆冰荷載監(jiān)測。

在所述學習部分中，包括學習步驟、調(diào)整步驟、加權步驟、分析步驟，所述學習步驟、調(diào)整步驟依次交替往復進行多次，然后依次進行加權步驟、分析步驟。

所述學習步驟中，先從初始訓練集訓練出一個基學習器，獲得一次基礎訓練樣本，

所述調(diào)整步驟中，根據(jù)基學習器的表現(xiàn)對一次基礎訓練樣本分布進行調(diào)整，使得先前基學習器做錯的訓練樣本在后續(xù)得到糾正，獲得一次調(diào)整訓練樣本和對應的權重值，

替進行的第二次學習步驟中，基于所述一次調(diào)整訓練樣本分布來訓練下一個基學習器，獲得二次基礎樣本，

交替進行的第二次調(diào)整步驟中，根據(jù)基學習器的表現(xiàn)對二基礎訓練樣本分布進行調(diào)整，使得先前基學習器做錯的訓練樣本在后續(xù)得到糾正，獲得二次調(diào)整訓練樣本和對應的權重值，

依次交替進行學習步驟、調(diào)整步驟T次。

所述設備臺賬數(shù)據(jù)的參數(shù)包括線路名稱（編號）、電壓等級、桿塔類型、導線類型及具體參數(shù)，桿塔GIS坐標、海拔高度、周邊地形地貌。

覆冰在線監(jiān)測數(shù)據(jù)的參數(shù)包括終端類型、生產(chǎn)廠家、位置，覆冰時間、溫度、濕度、風向、覆冰重量、覆冰厚度、最大拉力、最大拉力時風偏角、最大拉力時傾斜角，導線負荷、溫度。

所述外部氣象環(huán)境數(shù)據(jù)參數(shù)包括對于未安裝覆冰監(jiān)測裝置的線路桿塔，采用地方氣象部門提供的相關數(shù)據(jù)，包括溫度、濕度、風向、風速、降水。

光纖復合架空地線覆冰荷載監(jiān)測的參數(shù)包括內(nèi)部光纖溫度、應變值和應力，覆冰荷載。

所述加權步驟中，將這T次基學習器進行加權結合，基于“加性模型”，即基學習器的線性組合來最小化指數(shù)損失函數(shù)的分析算法。

所述分析步驟中，使用所述分析算法對冰層進行分析。

通過本發(fā)明的上述技術方案得到的集成機器學習的輸電線路覆冰風險預測，其有益效果是：