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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。