一种对输电线路覆冰厚度的预测方法技术

本发明专利技术公开了一种对输电线路覆冰厚度的预测方法，包括：步骤1：采集输电线路的微气象、覆冰厚度信息和天气预报信息；步骤2：将采集到的微气象信息、覆冰厚度信息和天气预报信息划分为训练数据集和测试数据集；步骤3：训练得到输电线路覆冰厚度预测模型Ice_Thick_Predict_Model；步骤4：使用测试集测试模型Ice_Thick_Predict_Model的效果，根据测试效果调整模型的超参数，然后重复跳转到步骤3，直至获得理想的模型。步骤5：实现短期输电线路覆冰厚度的预测。

A Prediction Method for Ice Thickness of Transmission Lines

The invention discloses a method for predicting the icing thickness of transmission lines, which includes: step 1: collecting the micrometeorological information, icing thickness information and weather forecast information of transmission lines; step 2: dividing the collected micrometeorological information, icing thickness information and weather forecast information into training data sets and test data sets; step 3: training to obtain the icing thickness prediction model I of transmission lines. Step 4: Use test set to test the effect of Ice_Thick_Predict_Model, adjust the model's super parameters according to the test effect, and then repeat to step 3 until the ideal model is obtained. Step 5: Prediction of icing thickness of short-term transmission lines.

【技术实现步骤摘要】
一种对输电线路覆冰厚度的预测方法
本专利技术属于机器学习
，尤其涉及一种对输电线路覆冰厚度的预测方法。
技术介绍
输电线路冰风灾害一直威胁着供电系统的安全。世界各地都曾出现过不同程度的输电线路冰风灾害，我国电网系统也发生过多次冰风灾害，而且这种灾害的发生频率呈现上升趋势。开展电力系统防灾研究、保障电力系统在冰风灾害时的安全稳定运行是当前刻不容缓的挑战和艰巨的任务。在电力线路覆冰监测方面，国外做了较多的理论研究和应用实践工作。如加拿大、美国、俄罗斯等国家很早就将远程监测系统用于架空输电线路覆冰的实时监测中。早在20世纪70年代，加拿大在跨越魁北克无人区的输电工程中就使用了可自动记录输电线路覆冰的测冰仪，这种观测仪器可以实现数据的远程传输，而在此后的40多年间，这套仪器对输电线路覆冰进行了连续观测，记录了魁北克地区冬季大量的架空线路覆冰数据，为魁北克地区绘制冻雨频率图提供了重要依据。在20世纪80年代早期，美国陆军寒区工程与研究实验室在华盛顿地区建设了一条安装有各种监测设备的架空输电线路，用以监测各种微气象变化下的线路覆冰情况。2005年底，乌克兰国家电网在架空线路上安装了8套覆冰监控系统，用于其国内覆冰区架空线路覆冰状况的实时监测。俄罗斯开发的冰风负荷传感器主要用于导线覆冰的早期发现，该设备主要架设在中部伏尔加格勒市的架空线路上运行。近年来，尽管我国针对电网输电线路冰风灾害应急管理的研究取得了较快的进展，但由于研究起步晚，与冰风自然灾害带来的严峻挑战相比，输电线路冰风灾害应急管理研究的内容和深度都不够。因此对于输电线路冰风灾害预警管理有待进一步深入细致的进行专题研究。这是因为输电线路冰风灾害不能避免的情况，只有密切监视和研究风险的变化规律，才能有效地进行输电线路冰风灾害风险预警，在灾害的萌芽及演化阶段进行有效应对。有必要将输电线路冰风灾害防御研究重心从事中或事后的应急管理向事前风险预警管理转变，将电网冰风灾害应急管理框架向冰风自然灾害预警领域延伸。只有从灾害源头和灾害演变过程中开展多层次预警管理，才能有效地将预警的时间尺度进行扩展，从而延长留给决策者的应对时间，变被动应急为主动预防，将输电线路冰风灾害损失降低到最小。我国在在输电线路冰风灾害特征识别和预警管理方面，一直缺乏比较系统的研究。目前已有的输电线路覆冰厚度预测模型主要是对气象数据和覆冰厚度之间的关系建立模型，然后根据建立的模型对覆冰厚度进行预测。该类模型一般很难拟合气象信息与覆冰厚度之间时间序列关系，无法准确对覆冰厚度进行预测。
技术实现思路
本专利技术提出一种基于注意力机制和LSTM编解码(Encoder-Decoder)模型的输电线路覆冰厚度预测方法。该方法主要由LSTM编码模块、时序特征权重提取模块(注意力机制)、LSTM解码模块三部分组成，另外该方法在预测时还结合了天气预报信息，实现对短期输电线路覆冰厚度进行预测。本方法主要有两点优势，一、结合注意力机制和LSTM模型，解决了传统覆冰预测方法无法学习长序列气象信息的问题；二、结合微气象信息和天气预报信息对输电线路覆冰厚度进行预测，弥补了传统预测方法缺失未来天气信息问题，提高了输电线路覆冰厚度预测精度。为解决上述技术问题，本专利技术采用的技术方案如下：包括如下步骤：步骤1：采集输电线路的微气象、覆冰厚度和天气预报信息；步骤2：统计微气象、覆冰厚度信息和天气预报信息组成的数据条目数，并按照7:3的比例将微气象、覆冰厚度信息和天气预报信息条目划分为训练集和测试集；步骤3：使用训练数据拟合预测模型Ice_Thick_Predict_Model：结合LSTM(Longshort-termmemory：长短时记忆)模型与Attention注意力机制将当前n个微气象信息、气象预报信息、输电线路覆冰厚度信息、未来m个时间序列的天气预报信息与未来m个时间序列的输电线路覆冰厚度信息进行拟合，得到输电线路覆冰厚度预测模型Ice_Thick_Predict_Model；步骤4：使用测试集测试模型Ice_Thick_Predict_Model的效果，根据测试效果调整模型的超参数，直至获得理想的模型。步骤5：将最近(比如最近三天)的微气象信息序列、输电线路覆冰厚度信息序列与天气预报信息序列作为模型的输入序列，并将该序列输入到输电线路覆冰厚度预测模型Ice_Thick_Predict_Model，实现短期内输电线路覆冰厚度的预测。步骤1中，每隔一小时采集一次微气象信息和覆冰厚度信息；微气象信息包括：psur_obs,t2m_obs,q2m_obs,w10m_obs,d10m_obs,rh2m_obs,u10m_obs,v10m_obs,RAIN_obs，ice_obs(分别表示：地面气压、地面以上2米高度处温度、地面以上2米高度处比湿、地面以上2米高度处相对湿度、地面以上10米高度处风速、地面以上10米高度处风向、地面以上10米高度处经向风、地面以上10米高度处纬向风、地面1小时累计降水量、观测点输电线路覆冰厚度)共10种信息；在输电线路附近架设观察导线，将观察导线上覆冰厚度测量值作为输电线路覆冰厚度值，观察导线需要和输电线路具有相同的规格，覆冰厚度由人工测量；天气预报信息从气象部门获取。步骤2包括：步骤2-1，将采集到的微气象、覆冰厚度信息和天气预报信息按照时间信息建立一一对应关系；步骤2-2，将整理好的微气象信息、覆冰厚度信息和天气预报信息按照时间序列排序，时间间隔是一个小时，其中，前n(n是超参数)个微气象信息、覆冰厚度信息和天气预报信息序列作为LSTM编码器模型的输入；接下来的m(m是超参数)个天气预报信息作为Attention模块的输入信息，m(m是超参数)表示预测的覆冰厚度序列数量。步骤2-3，统计微气象、覆冰厚度信息和天气预报信息组成的数据条目数，并按照7:3的比例将微气象、覆冰厚度信息和天气预报信息条目划分为训练集和测试集。步骤3包括：步骤3-1，使用LSTM编码器(Encoder)模型对长度序列为n(n为超参数，可以取24～96)的微气象信息、覆冰厚度信息和天气预报信息序列进行时间序列编码，编码结果为C1,C2,C3,......,Ct,......,Cn，Ct表示第t个微气象、覆冰厚度和天气预报序列数据的编码结果。步骤3-2，将未来m个时间点的天气预报信息W′1，W′2，W′3，......，W′t，......，W′m和LSTM编码器编码结果C1，C2，C3，......，Ct，......，Cn作为输入，利用注意力机制计算LSTM解码器所需的输入序列Att1，Att2，Att3，......，Attt，......，Attm，其中，Attt是注意力机制模块对LSTM编码器(Encoder)模型编码结果的加权和；步骤3-3，将Att1，Att2，Att3，......，Attt，......，Attm和隐变量序列H′0，H′1，H′2，......，H′t-1，......,H′m-1依次输入至LSTM解码器，利用LSTM解码器(Decoder)预测覆冰厚度信息步骤3-4，计算预测覆冰厚度与实际覆冰厚度的均方误差MSE(Θ)；步骤3-5，反向传播，使用随机梯度下降法对模型参数Θ进行优化；步骤3本文档来自技高网...

【技术保护点】
1.一种对输电线路覆冰厚度的预测方法，其特征在于，包括如下步骤：步骤1：采集输电线路的微气象、覆冰厚度信息和天气预报信息；步骤2：将采集到的微气象、覆冰厚度信息和天气预报信息划分为训练数据集和测试数据集；步骤3：使用训练数据拟合预测模型Ice_Thick_Predict_Model：结合LSTM模型与Attention注意力机制对微气象、气象预报信息和输电线路覆冰厚度信息进行拟合，得到输电线路覆冰厚度预测模型Ice_Thick_Predict_Model；步骤4：使用测试集测试模型Ice_Thick_Predict_Model的效果，根据测试效果调整模型的超参数，然后重复跳转到步骤3，直至获得理想的模型；步骤5：将最近的微气象信息序列、输电线路覆冰厚度信息序列与天气预报信息序列作为模型的输入序列，并将该序列输入到输电线路覆冰厚度预测模型Ice_Thick_Predict_Model，实现短期输电线路覆冰厚度预测。

【技术特征摘要】
1.一种对输电线路覆冰厚度的预测方法，其特征在于，包括如下步骤：步骤1：采集输电线路的微气象、覆冰厚度信息和天气预报信息；步骤2：将采集到的微气象、覆冰厚度信息和天气预报信息划分为训练数据集和测试数据集；步骤3：使用训练数据拟合预测模型Ice_Thick_Predict_Model：结合LSTM模型与Attention注意力机制对微气象、气象预报信息和输电线路覆冰厚度信息进行拟合，得到输电线路覆冰厚度预测模型Ice_Thick_Predict_Model；步骤4：使用测试集测试模型Ice_Thick_Predict_Model的效果，根据测试效果调整模型的超参数，然后重复跳转到步骤3，直至获得理想的模型；步骤5：将最近的微气象信息序列、输电线路覆冰厚度信息序列与天气预报信息序列作为模型的输入序列，并将该序列输入到输电线路覆冰厚度预测模型Ice_Thick_Predict_Model，实现短期输电线路覆冰厚度预测。2.根据权利要求1所述的方法，其特征在于，步骤2包括：步骤2-1，将采集到的微气象、覆冰厚度信息和天气预报信息按照时间信息建立一一对应关系；步骤2-2，将整理好的微气象、覆冰厚度信息和天气预报信息按照时间序列排序，时间间隔是一个小时；步骤2-3，统计微气象、覆冰厚度信息和天气预报信息组成的数据条目数，并按照7:3的比例将微气象、覆冰厚度信息和天气预报信息条目划分为训练集和测试集。3.根据权利要求2所述的方法，其特征在于，步骤3包括：步骤3-1，使用LSTM编码器模型对长度序列为n的微气象信息、覆冰厚度信息和天气预报信息序列进行时间序列编码，编码结果为C1,C2,C3,......,Ct,......,Cn，Ct表示第t个微气象、覆冰厚度信息和天气预报信息序列数据的编码结果；步骤3-2，将未来m个时间点的天气预报信息W′1,W′2,W′3,......,W′t,......,W′m和LSTM编码器编码结果C1,C2,C3,......,Ct,......,Cn作为输入，利用注意力机制计算LSTM解码器所需的输入序列Att1,Att2,Att3,......,Attt,......,Attm，其中，Attt是注意力机制模块对LSTM编码器模型编码结果的加权和；步骤3-3，利用LSTM解码器Decoder预测覆冰厚度信息；步骤3-4，计算预测覆冰厚度与实际覆冰厚度的均方误差MSE(Θ)；步骤3-5，反向传播，使用随机梯度下降法对模型参数Θ进行优化；步骤3-6，读取下一组序列化的微气象信息、覆冰厚度信息和天气预报信息，跳回到步骤3-1，直至将训练集中的数据读取完；步骤3-7，重复执行步骤3-1至3-6并持续对模型的参数进行优化，直至使MSE(Θ)下降到合理的数量级。4.根据权利要求3所述的方法，其特征在于，步骤3-1包括：通过LSTM编码器对序列化的微气象、覆冰厚度信息和天气...

【专利技术属性】
技术研发人员：路通，袁明磊，孔震，张华鲁，石杰，廖志军，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏,32