【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及輸電線路覆冰監(jiān)測，尤其是一種基于融合算法的輸電線路覆冰預(yù)測方法和系統(tǒng)。
技術(shù)介紹
1、覆冰災(zāi)害是造成輸電線路故障的主要原因之一。當(dāng)前，覆冰監(jiān)測方法主要有稱重法、導(dǎo)線傾角法、分布式光纖法和圖像監(jiān)測法等。其中，稱重法因計算模型科學(xué)可靠被廣泛應(yīng)用，但該裝置需輸電線路停電安裝，且拉力計量裝置需要定期校驗，難以滿足電網(wǎng)的實際需求；導(dǎo)線傾角法的準(zhǔn)確性主要取決于角度傳感器及其安裝位置，其在實際輸電線路中應(yīng)用效果不佳；分布式光纖法可實現(xiàn)輸電線路實時、任意位置的監(jiān)控，但存在監(jiān)測準(zhǔn)確度不高的問題；針對圖像監(jiān)測法，已有研究基于海量的歷史圖像監(jiān)測數(shù)據(jù)，利用數(shù)據(jù)分類方法和深度學(xué)習(xí)算法對可視化圖像進行處理，以實現(xiàn)輸電線路覆冰類型的判別。圖像檢測法一定程度上實現(xiàn)了覆冰類型識別，但并未綜合考慮數(shù)據(jù)來源的準(zhǔn)確性及其在實際工程中的可行性。受輸電線路覆冰和環(huán)境氣候等因素制約，覆冰圖像存在拍攝質(zhì)量差、利用率低，難以滿足覆冰類型的判別需求。綜上可知，傳統(tǒng)覆冰監(jiān)測方法在經(jīng)濟性和數(shù)據(jù)可靠性方面也無法滿足電網(wǎng)的實際運行需求。
技術(shù)實現(xiàn)思路
1、為了克服上述現(xiàn)有技術(shù)中缺乏可靠的輸電線路覆冰監(jiān)測方法的缺陷，本專利技術(shù)提出了一種基于融合算法的輸電線路覆冰預(yù)測方法，結(jié)合圖像模糊程度類別和降雨量，計算輸電線路覆冰評估值，從而判斷輸電線路覆冰程度等級，實現(xiàn)了輸電線路覆冰情況的實時監(jiān)測。
2、本專利技術(shù)提出的一種基于融合算法的輸電線路覆冰預(yù)測方法，包括以下步驟：
3、s1、構(gòu)建覆冰程度預(yù)測模型用于計算覆冰
4、e＝ar+byi
5、其中，a為反映降雨量對覆冰影響程度的權(quán)重值，b為反映圖像模糊程度對覆冰影響程度的權(quán)重值；yi表示圖像模糊類別對應(yīng)的模糊程度值；z為測雨雷達反射率；r為降雨量；
6、s2、采集輸電線路的可視化圖像，判斷可視化圖像的模糊程度，根據(jù)模糊程度獲取模糊程度值yi；并獲取輸電線路所在區(qū)域的測雨雷達反射率z；
7、s3、將模糊程度值yi和測雨雷達反射率z代入覆冰程度預(yù)測模型，計算得到覆冰評估值e，并輸出覆冰評估值e所對應(yīng)的覆冰程度等級。
8、優(yōu)選的，覆冰評估值e所對應(yīng)的覆冰程度等級根據(jù)以下策略獲得：
9、如果0<e≤2b，則判斷監(jiān)測區(qū)域為無覆冰；
10、如果2b<e≤5a+2b且r≤5，則判斷監(jiān)測區(qū)域為輕中度覆冰；
11、如果e>5a+2b且r>5，則判斷監(jiān)測區(qū)域為重度覆冰；
12、r為降雨量。
13、優(yōu)選的，降雨量r的獲取包括以下步驟：
14、st0、結(jié)合歷史數(shù)據(jù)得到第一預(yù)測模型rf、第二預(yù)測模型predict和降雨量預(yù)測加權(quán)模型：第一預(yù)測模型rf用于根據(jù)指定時間段上的測雨雷達反射率序列預(yù)測降雨量序列；第二預(yù)測模型predict用于根據(jù)已知的降雨量序列以及當(dāng)前測雨雷達反射率預(yù)測當(dāng)前的降雨量；降雨量預(yù)測加權(quán)模型對連續(xù)時間上多個降雨量進行加權(quán)計算，以生成下一個時間上的降雨量預(yù)測值；
15、st1、獲取指定的連續(xù)時間上的多個測雨雷達反射率，并對測雨雷達反射率進行窗口滑動取樣，得到多個測雨雷達反射率序列；
16、st2、將測雨雷達反射率序列代入第一預(yù)測模型rf，得到各測雨雷達反射率序列對應(yīng)的降雨量第一預(yù)測值序列；
17、st3、將不同降雨量第一預(yù)測值序列中對應(yīng)同一時間的降雨量第一預(yù)測值求均值作為該時間的降雨量初步預(yù)測值；對指定的連續(xù)時間上的降雨量初步預(yù)測值進行滑動窗口取樣，得到降雨量初步預(yù)測值序列；
18、st4、將降雨量初步預(yù)測值序列以及該序列下一個時間點上的測雨雷達反射率代入第二預(yù)測模型，得到降雨量初步預(yù)測值序列的下一個時間點上的降雨量預(yù)測值作為該下一個時間點上的待修正降雨量值；
19、st5、遍歷降雨量初步預(yù)測值序列，得到指定的連續(xù)時間上的各時間的待修正降雨量值，并代入降雨量預(yù)測加權(quán)模型計算得到指定的連續(xù)時間的下一個時間上的降雨量預(yù)測值。
20、優(yōu)選的，降雨量預(yù)測加權(quán)模型的獲取方式為：
21、首先構(gòu)建降雨量預(yù)測加權(quán)模型：
22、
23、其中，β0為截距項；∈為設(shè)定的誤差；β1為往前第1個時間的權(quán)重，β2為往前第2個時間的權(quán)重，βw為往前第w個時間的權(quán)重；表示時間t2-1上的降雨量，表示時間t2-2上的降雨量，表示時間t2-w上的降雨量；y't2表示時間t2上的降雨量預(yù)測值。
24、結(jié)合歷史數(shù)據(jù)得到數(shù)據(jù)集在數(shù)據(jù)集上采用遺傳算法優(yōu)化加權(quán)模型的參數(shù)β0、β1、β2、…、βw，直至降雨量預(yù)測加權(quán)模型收斂。
25、優(yōu)選的，第一預(yù)測模型采用隨機森林模型。
26、優(yōu)選的，s1中，首先獲得數(shù)據(jù)集{降雨量，圖像模糊類別；覆冰程度等級}，然后在數(shù)據(jù)集上訓(xùn)練覆冰程度預(yù)測模型，并采用粒子群優(yōu)化算法迭代a、b權(quán)重值。
27、優(yōu)選的，圖像模糊類別包括：清晰、輕中度模糊和重度模糊，令i∈{0，1，2}，其中，“清晰”對應(yīng)的模糊程度值y0＝0，“輕中度模糊”對應(yīng)的模糊程度值y1＝1，“重度模糊”對應(yīng)的模糊程度值y2＝2。
28、本專利技術(shù)提出的一種采用所述的基于融合算法的輸電線路覆冰預(yù)測方法的系統(tǒng)，包括：數(shù)據(jù)采集裝置、圖像模糊判斷模塊、降雨量預(yù)測模塊和融合計算模塊；
29、數(shù)據(jù)采集裝置與外部設(shè)備通信，用于獲取監(jiān)測區(qū)域的測雨雷達反射率以及拍攝圖像；
30、圖像模糊判斷模塊與數(shù)據(jù)采集模塊連接，圖像模糊判斷模塊識別拍攝圖像的模糊類別；
31、降雨量預(yù)測模塊與數(shù)據(jù)采集模塊連接，降雨量預(yù)測模塊獲取并存儲測雨雷達反射率，降雨量預(yù)測模塊根據(jù)連續(xù)時間上的測雨雷達反射率預(yù)測降雨量；
32、融合計算模塊分別連接圖像模糊判斷模塊和降雨量預(yù)測模塊，融合計算模塊獲取拍攝圖像的模糊類別對應(yīng)的模糊程度值，并將模糊程度值和預(yù)測降雨量代入覆冰程度預(yù)測模型計算覆冰評估值e；融合計算模塊根據(jù)覆冰評估值e判斷覆冰程度等級并輸出。
33、本專利技術(shù)提出的一種基于融合算法的輸電線路覆冰預(yù)測裝置，包括存儲器和處理器，存儲器中存儲有計算機程序，處理器連接存儲器，處理器用于執(zhí)行所述計算機程序，以實現(xiàn)所述的基于融合算法的輸電線路覆冰預(yù)測方法。
34、本專利技術(shù)提出的一種存儲介質(zhì)，存儲有計算機程序，所述計算機程序被執(zhí)行時用于實現(xiàn)所述的基于融合算法的輸電線路覆冰預(yù)測方法。
35、本專利技術(shù)的優(yōu)點在于：
36、(1)本專利技術(shù)提出的一種基于融合算法的輸電線路覆冰預(yù)測方法，結(jié)合拍攝圖像的模糊類別以及降雨量預(yù)測覆冰程度等級，且與實測覆冰厚度相吻合。可見，本專利技術(shù)實現(xiàn)了輸電線路覆冰的實時監(jiān)測。
37、(2)本專利技術(shù)中根據(jù)最近一段時間獲取的測雨雷達反射率預(yù)測下一個時間上的降水量，然后結(jié)合降水量與圖像模糊類別預(yù)測覆冰程度等級，實現(xiàn)了結(jié)合當(dāng)前拍攝圖像的模糊類別以及最近一段時間獲取的測雨雷達反射率預(yù)測下一個時間上的覆冰程度本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于融合算法的輸電線路覆冰預(yù)測方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的基于融合算法的輸電線路覆冰預(yù)測方法，其特征在于，覆冰評估值E所對應(yīng)的覆冰程度等級根據(jù)以下策略獲得：
3.如權(quán)利要求2所述的基于融合算法的輸電線路覆冰預(yù)測方法，其特征在于，降雨量R的獲取包括以下步驟：
4.如權(quán)利要求3所述的基于融合算法的輸電線路覆冰預(yù)測方法，其特征在于，降雨量預(yù)測加權(quán)模型的獲取方式為：
5.如權(quán)利要求2所述的基于融合算法的輸電線路覆冰預(yù)測方法，其特征在于，第一預(yù)測模型采用隨機森林模型。
6.如權(quán)利要求2所述的基于融合算法的輸電線路覆冰預(yù)測方法，其特征在于，S1中，首先獲得數(shù)據(jù)集{降雨量，圖像模糊類別；覆冰程度等級}，然后在數(shù)據(jù)集上訓(xùn)練覆冰程度預(yù)測模型，并采用粒子群優(yōu)化算法迭代a、b權(quán)重值。
7.如權(quán)利要求1所述的基于融合算法的輸電線路覆冰預(yù)測方法，其特征在于，圖像模糊類別包括：清晰、輕中度模糊和重度模糊，令i∈{0，1，2}，其中，“清晰”對應(yīng)的模糊程度值Y0＝0，“輕中度模糊”對應(yīng)的模糊程度值Y1＝
8.一種采用如權(quán)利要求3所述的基于融合算法的輸電線路覆冰預(yù)測方法的系統(tǒng)，其特征在于，包括：數(shù)據(jù)采集裝置、圖像模糊判斷模塊、降雨量預(yù)測模塊和融合計算模塊；
9.一種基于融合算法的輸電線路覆冰預(yù)測裝置，其特征在于，包括存儲器和處理器，存儲器中存儲有計算機程序，處理器連接存儲器，處理器用于執(zhí)行所述計算機程序，以實現(xiàn)如權(quán)利要求1-8任一項所述的基于融合算法的輸電線路覆冰預(yù)測方法。
10.一種存儲介質(zhì)，其特征在于，存儲有計算機程序，所述計算機程序被執(zhí)行時用于實現(xiàn)如權(quán)利要求1-8任一項所述的基于融合算法的輸電線路覆冰預(yù)測方法。
...【技術(shù)特征摘要】
1.一種基于融合算法的輸電線路覆冰預(yù)測方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的基于融合算法的輸電線路覆冰預(yù)測方法，其特征在于，覆冰評估值e所對應(yīng)的覆冰程度等級根據(jù)以下策略獲得：
3.如權(quán)利要求2所述的基于融合算法的輸電線路覆冰預(yù)測方法，其特征在于，降雨量r的獲取包括以下步驟：
4.如權(quán)利要求3所述的基于融合算法的輸電線路覆冰預(yù)測方法，其特征在于，降雨量預(yù)測加權(quán)模型的獲取方式為：
5.如權(quán)利要求2所述的基于融合算法的輸電線路覆冰預(yù)測方法，其特征在于，第一預(yù)測模型采用隨機森林模型。
6.如權(quán)利要求2所述的基于融合算法的輸電線路覆冰預(yù)測方法，其特征在于，s1中，首先獲得數(shù)據(jù)集{降雨量，圖像模糊類別；覆冰程度等級}，然后在數(shù)據(jù)集上訓(xùn)練覆冰程度預(yù)測模型，并采用粒子群優(yōu)化算法迭代a、b權(quán)重值。
7.如權(quán)利要求1所...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張樂，林世忠，朱理宏，張凱，童賢德，吳維國，鄒鑫，王晨起，費建彪，蔡博文，魏茂榮，陳義征，邵展，
申請(專利權(quán))人：安徽送變電工程有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。