[發(fā)明專利]一種基于BP神經(jīng)網(wǎng)絡(luò)的輸電桿塔鳥害發(fā)生概率預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010529618.2
• 申請(qǐng)日: 2020-06-11
• 公開（公告）號(hào): CN111860947B
• 公開（公告）日: 2023-01-24
• 發(fā)明（設(shè)計(jì)）人: 朱朋輝;甘團(tuán)杰;周廣青;周慶東;唐信;陳劍平;楊璽;劉清冰;廖志文;趙全忠;陳亦;黃智明
• 申請(qǐng)（專利權(quán)）人: 廣東電網(wǎng)有限責(zé)任公司;廣東電網(wǎng)有限責(zé)任公司江門供電局
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 陳偉斌

本發(fā)明涉及智能預(yù)測(cè)技術(shù)領(lǐng)域，具體是涉及提供了一種基于BP神經(jīng)網(wǎng)絡(luò)的輸電桿塔鳥害發(fā)生概率預(yù)測(cè)方法，具體包括如下步驟：步驟(1)，選取典型輸電樣線；選取能代表整個(gè)地區(qū)輸電線路的典型輸電樣線；步驟(2)，數(shù)據(jù)采集與預(yù)處理；采集輸電桿塔的樣本數(shù)據(jù)，把樣本數(shù)據(jù)分為訓(xùn)練樣本和測(cè)試樣本；步驟(3)，建立BP神經(jīng)網(wǎng)絡(luò)模型；步驟(4)，初始化BP神經(jīng)網(wǎng)絡(luò)模型；初始化BP神經(jīng)網(wǎng)絡(luò)模型的基本參數(shù)；步驟(5)，構(gòu)建輸電桿塔鳥害發(fā)生概率預(yù)測(cè)模型；步驟(6)，優(yōu)化神經(jīng)網(wǎng)絡(luò)參數(shù)配置。本發(fā)明克服了現(xiàn)有的鳥害安全預(yù)警方法只是給出鳥害故障風(fēng)險(xiǎn)等級(jí)，無法精確地計(jì)算出鳥害引發(fā)輸電桿塔輸電線故障的概率，得出的結(jié)果不夠準(zhǔn)確、實(shí)用性不強(qiáng)的現(xiàn)象問題。

技術(shù)領(lǐng)域

本發(fā)明涉及智能預(yù)測(cè)技術(shù)領(lǐng)域，具體是涉及一種基于BP神經(jīng)網(wǎng)絡(luò)的輸電桿塔鳥害發(fā)生概率預(yù)測(cè)方法。

背景技術(shù)

鳥類是人類較為親密的朋友，也是生態(tài)系統(tǒng)的重要組成部分。但是隨著鳥類繁衍數(shù)量不斷增多，活動(dòng)范圍不斷擴(kuò)大，有的鳥類把鳥窩搭建在輸電線路的輸電桿塔上，導(dǎo)致輸電線路閃絡(luò)跳閘的現(xiàn)象呈逐年上升的趨勢(shì)。因此，如何有效防范鳥害，成為我國電力部門研究的重點(diǎn)。

目前，人們通過鳥害故障風(fēng)險(xiǎn)分布圖繪制系統(tǒng)對(duì)鳥害引發(fā)輸電線故障作出安全預(yù)警的，包括以下步驟：收集基本資料；統(tǒng)計(jì)分析基本資料；繪制綠地圖、繪制候鳥遷徙通道圖及繪制鳥害故障分布圖；根據(jù)所述的鳥害分布圖和歷史故障信息，將架空輸電線路發(fā)生鳥害故障風(fēng)險(xiǎn)等級(jí)進(jìn)行劃分，如申請(qǐng)?zhí)枮?01711374930.3的一種輸電線路鳥害風(fēng)險(xiǎn)等級(jí)評(píng)估方法。然而，現(xiàn)有的鳥害安全預(yù)警方法只是給出鳥害故障風(fēng)險(xiǎn)等級(jí)，無法精確地計(jì)算出鳥害引發(fā)輸電桿塔輸電線故障的概率，得出的結(jié)果不夠準(zhǔn)確，這些方法實(shí)用性不強(qiáng)。

發(fā)明內(nèi)容

本發(fā)明為克服上述現(xiàn)有的鳥害安全預(yù)警方法只是給出鳥害故障風(fēng)險(xiǎn)等級(jí)，無法精確地計(jì)算出鳥害引發(fā)輸電桿塔輸電線故障的概率，得出的結(jié)果不夠準(zhǔn)確、實(shí)用性不強(qiáng)的現(xiàn)象問題，提供一種基于BP神經(jīng)網(wǎng)絡(luò)的輸電桿塔鳥害發(fā)生概率預(yù)測(cè)方法。

在本技術(shù)方案中，提供了一種基于BP神經(jīng)網(wǎng)絡(luò)的輸電桿塔鳥害發(fā)生概率預(yù)測(cè)方法，具體包括如下步驟：

步驟(1)，選取典型輸電樣線；選取能代表整個(gè)地區(qū)輸電線路的典型輸電樣線；

步驟(2)，數(shù)據(jù)采集與預(yù)處理；采集輸電桿塔的樣本數(shù)據(jù)，把樣本數(shù)據(jù)分為訓(xùn)練樣本和測(cè)試樣本；把采集的鳥害跳閘故障和鳥糞閃絡(luò)發(fā)生的季節(jié)性、鳥害跳閘故障和鳥糞閃絡(luò)發(fā)生的時(shí)段性、輸電桿塔周圍的地理特征、電壓等級(jí)、輸電桿塔類型、導(dǎo)線排列方式、絕緣子串型作為模型輸入，鳥害跳閘故障數(shù)次和鳥糞閃絡(luò)數(shù)次作為模型輸出；

步驟(3)，建立BP神經(jīng)網(wǎng)絡(luò)模型；其中，BP神經(jīng)網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)包括輸入層、隱含層和輸出層；

步驟(4)，初始化BP神經(jīng)網(wǎng)絡(luò)模型；初始化BP神經(jīng)網(wǎng)絡(luò)模型的基本參數(shù)；

步驟(5)，構(gòu)建輸電桿塔鳥害發(fā)生概率預(yù)測(cè)模型；

利用python軟件，將訓(xùn)練樣本數(shù)據(jù)導(dǎo)入BP神經(jīng)網(wǎng)絡(luò)模型，對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，構(gòu)建輸電桿塔鳥害發(fā)生概率預(yù)測(cè)模型；

步驟(6)，優(yōu)化神經(jīng)網(wǎng)絡(luò)參數(shù)配置；

將測(cè)試樣本輸入到已訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型，根據(jù)訓(xùn)練樣本與測(cè)試樣本的識(shí)別正確率，通過調(diào)整隱含層節(jié)點(diǎn)數(shù)和迭代次數(shù)p優(yōu)化訓(xùn)練算法，使用優(yōu)化后的神經(jīng)網(wǎng)絡(luò)參數(shù)配置，對(duì)輸電桿塔進(jìn)行鳥害發(fā)生概率預(yù)測(cè)。

優(yōu)選地，在步驟(1)中，樣線選取基于以下原則，線路本身要具有代表性，輸電桿塔類型要覆蓋全面，樣線所處位置是鳥害多發(fā)區(qū)域。

優(yōu)選地，在步驟(1)中，選取本身具有代表性的樣線，每條樣線具有獨(dú)特的地形地貌、氣候條件和涉害鳥類分布情況。