[發明專利]基于深度學習的架空輸電線路覆冰厚度的長時間預測方法

在審

• 申請號: 202011202942.X
• 申請日: 2020-11-02
• 公開（公告）號: CN112183897A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 吳明朗
• 申請（專利權）人: 成都卡普數據服務有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 李玉興

本發明屬于覆冰預測技術領域，具體涉及一種基于深度學習的架空輸電線路覆冰厚度的長時間預測方法。本發明為了解決架空輸電線路的覆冰厚度的趨勢預測，提出一種基于深度學習的架空輸電線路覆冰厚度的長時間預測方法，主要是基于歷史氣象數據，氣象預報數據，當前覆冰狀態及桿塔的相關屬性(如地形，海拔，呼高)數據，通過深度網絡對覆冰厚度進行長時間的預測。主要包括數據集構建，數據處理，深度網絡模型構建，訓練和預測等。其中重點對深度網絡的構建進行詳細說明，包括網絡層級的定義，關鍵層的作用。本發明能對氣象的時間趨勢特征提取，能對各個數據與覆冰厚度之間的關系進行表示，能提取更深層次和更復雜的特征，精準的對覆冰厚度進行估計。

技術領域

本發明屬于覆冰預測技術領域，具體涉及一種基于深度學習的架空輸電線路覆冰厚度的長時間預測方法。

背景技術

覆冰是電力行業常見的自然災害之一，但嚴重的覆冰會給電網的安全帶來極大的危害，嚴重時可能會導致跳閘、斷線、倒塔、絕緣子閃冰、通信中斷等事故，直接或間接的造成區域性停電和巨大的經濟損失。目前直接對架高輸電線路的覆冰厚度預測的方法較少，現有的都是基于傳統稱重法或通過物理方法進行厚度的計算，這些方法具有很大的局限性，依賴傳感器等設備，普適性較低。

目前覆冰的厚度預測技術主要是物理法和稱重法較多，而這兩種方式主要是對當前時間的覆冰厚度進行計算，無法對未來一段時間的覆冰厚度進行預測。其中物理法主要基于覆冰形成的機制，進行受力分析，通過物理方程進行描述，一般在小范圍的可以統一的物理方程，無法大范圍的使用，同時物理方程中涉及到了很多參數因子，這些因子參數的確定一般根據經驗進行確定，因此物理方法在適用性和普適性方面存在很多問題。而沉重法主要在桿塔上安裝一些傳感設備，通過拉力值的變化確定是否覆冰，再通過拉力值計算等值覆冰厚度，在實際應用中存在很多不確定性和成本過高的問題。

有部分通過微氣象數據或地形因子來預測覆冰厚度的研究，利用了一些微氣象特征對覆冰的厚度進行預測，利用神經網絡對未來某一個時刻進行厚度預測，而且目前效果仍較差，主要因為使用的特征過于單一，且傳統的神經網絡模型過于簡單無法對覆冰的趨勢特征進行提取。另外就是基于地形因子對覆冰厚度進行預測，該方法使用地形因子作為輸入，同樣使用神經網絡模型來預測覆冰厚度，該方法使用的特征僅僅只有地形因子，該特征不能完全對覆冰形成的機理進行描述，因此覆冰厚度預測的合理性存在質疑。

綜上所述，目前已有的方法主要存在以下幾個弊端：1.在實用性上較差，比如物理方程在大范圍上的使用無法用統一的物理方程；2.參數的確定，傳統的方式是基于經驗進行確定，不合理且不科學；3.成本問題，涉及到傳感器硬件設備時，在大范圍的應用時，無法降低成本；4.特征單一，無法對覆冰機理完全進行刻畫，厚度預測結果存疑；5.無法長時間的預測，只能對未來進行單點預測。

發明內容

本發明為了解決架空輸電線路的覆冰厚度的趨勢預測，提出一種基于深度學習的架空輸電線路覆冰厚度的長時間預測方法，主要是基于歷史氣象數據，氣象預報數據，當前覆冰狀態及桿塔的相關屬性(如地形，海拔，呼高)數據，通過深度網絡對覆冰厚度進行長時間的預測。主要包括數據集構建，數據處理，深度網絡模型構建，訓練和預測等。其中重點對深度網絡的構建進行詳細說明，包括網絡層級的定義，關鍵層的作用等。

為實現上述目的，本發明采用如下技術方案：

基于深度學習的架空輸電線路覆冰厚度的長時間預測方法，其特征在于，包括以下步驟：

S1、數據收集：以架空輸電線路上的桿塔位置為對象，收集前6個小時的歷史氣象數據、未來12個小時的氣象預報數據、桿塔所在位置的高程、桿塔的呼高及對應的覆冰厚度；將每個桿塔按照時間窗口按時間步進行劃分，每個時間步獲得的數據作為一個樣本，從而獲得樣本數據集；利用收集的數據分別構建動態數據集、靜態數據集和目標數據集，其中，動態數據集利用氣象數據構建，靜態數據集利用桿塔數據構建，目標數據集由覆冰厚度數據構建；