[發明專利]一種基于支持向量回歸的全介質自承式光纜導線弧垂計算優化方法

在審

• 申請號: 202210929420.2
• 申請日: 2022-08-03
• 公開（公告）號: CN115292864A
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 孔小紅;石偉偉;蔣陵;管翰林;王馭揚;張燦
• 申請（專利權）人: 國網江蘇省電力有限公司南京供電分公司;江蘇量為石科技股份有限公司
• 主分類號: G06F30/18
• 分類號: G06F30/18;G06F30/27;G06K9/62;G06F113/16;G06F119/08
• 代理公司: 南京天華專利代理有限責任公司 32218
• 代理人: 劉暢;徐冬濤

1.一種基于支持向量回歸的全介質自承式光纜導線弧垂計算優化方法，其特征在于它包括以下步驟：

S1、數據采集，獲得原始采集數據X_all＝[Y₁...Y_n]，Y_i表示第i組采集到的數據；

S2、數據清洗，進行數據異常值檢測及篩選；

S3、數據預處理，獲得樣本數據集X′_all＝[Y′₁...Y′_n]^T，Y_i'表示預處理后的第i組數據；

S4、模型設計，帶松弛變量的支持向量回歸機模型為：

s.t.

f(Y′_i)-△z_i≤ε+ξ_i

f(x)表示為其中，w和b為模型參數，ξ_i,為松弛變量，C為正則化常數，α_i,為拉格朗日乘子參數，κ(x,Y′_i)＝φ(x)φ(Y′_i)為核函數，φ(·)表示核函數映射函數；ε不敏感損失函數；n為數據樣本組數；

弧垂矯正參數表示由懸鏈線法所得弧垂掛算結果，z_i表示由第i組數據Y_i'對應的弧垂數據；

S5、模型訓練，將樣本數據集X′_all＝[Y′₁...Y′_n]^T以及每一組樣本數據Y_i′所對應弧垂數據z_i輸入S4所設計的支持向量回歸機模型中訓練，獲得模型參數w和b；

S6、使用模型進行弧垂優化：

通過懸鏈線法獲取弧垂掛算結果

通過設置的傳感器獲取原始采集數據，將原始采集數據輸入至S5所得參數模型中得到弧垂矯正參數△z_i；

弧垂優化結果

2.根據權利要求1所述的方法，其特征在于S1和S6中，原始采集數據的種類包括：導線所處位置i處環境風速、導線所處位置i處環境溫度、導線所處位置i處日照強度、導線表面i處空氣層運動粘度、導線表面i處平均溫升、導線i處輻射散熱功率、導線i處對流散熱功率、導線i處日照吸熱功率、導線表面i處空氣層傳熱系數。

3.根據權利要求1所述的方法，其特征在于S2中，基于t檢驗進行異常數據檢測，步驟為：

將全部原始采集樣本數據視為服從正態分布整體，計算總體原始采集數據的期望和標準差S_Y，將可疑樣本Y_i作為樣本總量為1的總體，若其與其余總體間無顯著性差異，則其與原始采集數據同屬于一個總體，t檢驗統計量為：

若統計量k_i大于相應置信度下t檢驗臨界值，將Y_i判定為異常值。

4.根據權利要求1所述的方法，其特征在于S2中，判斷為異常值后，將異常值剔除實現異常值進行修正。

5.根據權利要求1所述的方法，其特征在于S2中，判斷為異常值后，通過線性插值算法進行異常值數據修正。

6.根據權利要求1所述的方法，其特征在于S3中，數據預處理包括：數據規范化和主成分分析。

7.根據權利要求6所述的方法，其特征在于通過Min-Max標準化進行數據規范化操作，Min-Max標準化的轉換函數如下

其中x_max表示樣本數據各對應元素數據最大值，x_min表示樣本數據最小值。