[發明專利]一種架空輸電線路覆冰預測模型和方法

有效

• 申請號: 201910370812.8
• 申請日: 2019-05-06
• 公開（公告）號: CN110188397B
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 張華魯;路通;廖志軍;鄧照飛;石杰;鄧博雅;袁明磊
• 申請（專利權）人: 南瑞集團有限公司;南京大學;國網江西省電力有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06K9/62;G06Q10/04;G06Q50/06;H02J3/00
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 胡建華;于瀚文

本發明公開了一種架空輸電線路覆冰預測模型和方法，所述模型通過如下步驟構建：步驟1，從線路在線監測系統中獲取覆冰相關數據，篩選和處理所獲取的數據；步驟2，建立和訓練時序卷積神經網絡模型，該模型用于預測覆冰因素；步驟3，建立和訓練支持向量回歸模型，該模型用于建立覆冰因素與覆冰厚度的映射，時序卷積神經網絡模型和支持向量回歸模型共同組成架空輸電線路覆冰預測模型。使用建立的模型即能夠進行覆冰預測。

技術領域

本發明涉及機器學習和電力系統架空輸電線路狀態監測技術領域，具體涉及一種架空輸電線路覆冰預測模型和方法。

背景技術

架空高壓輸電線路是現代社會的大動脈，其安全穩定運行對社會至關重要。冰災是威脅架空輸電線路的主要自然災害之一。電力線路覆冰輕則引起閃絡跳閘事故，重則引發金具損壞、斷線、倒塔等嚴重事故，嚴重威脅電力系統的安全穩定運行，給社會經濟造成巨大的損失。由于我國廣闊復雜的地理條件，以及全球氣候變暖的影響，輸電線路覆冰災害頻發。因此建立一個能及時準確預測覆冰的模型，在災害發生前及時預警具有重要意義。

導線覆冰的機制十分復雜，具有多因素、非線性、突發性、不確定性等特點。氣象因素是輸電線路覆冰成因的必要條件，主要包括空氣中的溫度、相對濕度(空氣中過冷卻水滴或液態水含量)、降水量、風速和風向等。環境因素對導線覆冰的類型和覆冰程度具有一定地影響，通常包括海拔高度、凝結高度、地形地貌等。對導線覆冰有影響的線路因素主要有導線走向、導線直徑、導線剛度、導線懸掛高度、負荷電流和電場等幾個方面。

傳統的模型有Imai模型、Lenhard模型、Goodwin模型、Chaine模型、Markkonen模型等。這些模型只考慮有限幾個覆冰因素并且作了較強的限定，實際覆冰過程的復雜性導致了這些模型適用范圍相當有限。還有基于神經網絡的覆冰模型，但模型的結構只是簡單的淺層網絡，性能有限，而且沒有考慮覆冰厚度數據不足的問題。

機器學習近幾年發展迅速，尤其是深度學習。深度人工神經網絡已經在計算機視覺、自然語言處理等領域取得了接近甚至超越人類表現的成績。深度神經網絡之所以能取得如此大的成功，原因之一在于其善于捕捉多維度、非線性、不確定的復雜關系。深度神經網絡需要大量的訓練數據，雖然線路覆冰在線監測系統在智能電網技術的推動下已有初步發展，但采集到的覆冰厚度數據量還不能滿足深度網絡的訓練需求。

發明內容

本發明所要解決的技術問題是針對輸電線路覆冰過程的多因素、非線性、突發性、不確定性等特性，同時覆冰厚度數據量有限的情況下，結合深度神經網絡與支持向量機技術，建立一個輸電線路覆冰預測模型。

為解決上述技術問題，本發明采用的技術方案是：

一種架空輸電線路覆冰預測模型，所述模型通過如下步驟構建：

步驟1，從線路在線監測系統中獲取覆冰因素數據和覆冰厚度數據，篩選和處理所獲取的數據；

步驟2，建立和訓練時序卷積神經網絡模型，該模型用于預測覆冰因素；

步驟3，建立和訓練支持向量回歸模型，該模型用于建立覆冰因素與覆冰厚度的回歸關系，時序卷積神經網絡模型和支持向量回歸模型共同組成架空輸電線路覆冰預測模型。

本發明中，步驟1包括：

步驟1-1，從線路在線監測系統中獲取覆冰因素數據，所述覆冰因素數據分為時序覆冰因素數據和非時序覆冰因素數據，時序覆冰因素指隨時間變動的覆冰因素，包括氣溫、濕度、風速、風向、降水、光照，非時序覆冰因素指固定不變的覆冰因素，包括導線走向、導線直徑、海拔和地形地貌，非時序覆冰因素數據作為常數序列與時序覆冰因素數據合并作為覆冰因素時序數據；