基于IOWA算子组合预测模型的输电线路覆冰预测方法及系统技术方案

本发明专利技术公开了一种基于IOWA算子组合预测模型的输电线路覆冰预测方法及系统，通过小波分解将冰灾影响因素与覆冰数据逐个分解，求得小波系数和尺度系数；利用小波系数和尺度系数得到影响因素概貌序列及细节序列、覆冰质量概貌序列及细节序列和覆冰厚度概貌序列及细节序列，逐个对各气象因素与输电线路因素进行非线性回归得到覆冰厚度及质量的拟合方程；对这些方程建立基于IOWA算子的组合预测模型，求得组合预测加权向量和诱导值序列，产生覆冰质量及厚度的概貌预测值序列和细节预测值序列，求得小波系数和尺度系数；再采用小波重构算法得到覆冰厚度及质量的预测值序列。本发明专利技术的覆冰预测方法及系统，具有速度快、外推性好、结果比较可信等优点。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种基于IOWA算子组合预测模型的输电线路覆冰预测方法及系统，通过小波分解将冰灾影响因素与覆冰数据逐个分解，求得小波系数和尺度系数；利用小波系数和尺度系数得到影响因素概貌序列及细节序列、覆冰质量概貌序列及细节序列和覆冰厚度概貌序列及细节序列，逐个对各气象因素与输电线路因素进行非线性回归得到覆冰厚度及质量的拟合方程；对这些方程建立基于IOWA算子的组合预测模型，求得组合预测加权向量和诱导值序列，产生覆冰质量及厚度的概貌预测值序列和细节预测值序列，求得小波系数和尺度系数；再采用小波重构算法得到覆冰厚度及质量的预测值序列。本专利技术的覆冰预测方法及系统，具有速度快、外推性好、结果比较可信等优点。【专利说明】基于IOWA算子组合预测模型的输电线路覆冰预测方法及系统
本专利技术涉及电力输送系统冰灾预测领域，具体涉及一种基于IOWA算子组合预测模型的输电线路覆冰预测方法及系统。
技术介绍
近年来随着城市和工业的不断发展，电力需求急剧增加，而水力、火力和原子能等大规模发电设备都远离城市。特别在中国“西电东送”、“北电南送”的格局下，高电压、大容量输电线建设成己成为输电网络发展的必然趋势。随着电力基础设施的不断建设，输电线路规模不断扩大，输电线路电压等级也越来越高，高压甚至超高压的远距离电力输送也正在逐步建设，我国电力工业已进入了以大机组、高电压、高自动化为特征的大电网时代，成为了关系国民经济与社会可持续发展的基础性行业和支柱性产业。经济社会日益增强的电力依赖性，促使了电力供应安全的地位比以往任何时候都更加重要，其中电网是输送和分配电能的重要环节。然而，当前电网的现实情况是:输电线路大多架空，并长期暴露在自然环境中，易受各种气象灾害如风灾、冰灾、洪涝灾害等的侵袭，易造成输电线路故障，因此输电线路的安全可靠供电成为整个电力输送系统运行与维护的主要目标。为了研究冰灾对输电线路安全可靠性的影响，本专利技术建立了基于IOWA (Inducedordered weighted averaging,诱导有序加权平均)算子组合预测模型的输电线路覆冰厚度及质量的快速分析模型，充分考虑了电线悬挂高度、地形、电线直径、电线扭转、电线温度、风速，风偏、温度、湿度、光照强度、降雨强度和降雪强度等因素，对覆冰的厚度及质量进行预测，具有广泛的应用前景以及巨大的经济价值。
技术实现思路
本专利技术是为避免上述已有技术中存在的不足之处，提供一种基于IOWA算子组合预测模型的输电线路覆冰预测方法及系统，以对输电线路的表面覆冰的厚度及质量进行预测。本专利技术为解决技术问题采用以下技术方案。基于IOWA算子组合预测模型的输电线路覆冰预测方法，其特点是，包括如下步骤:步骤1:获取并处理输电线路覆冰的监测数据，所述监测数据包括影响因素历史数据、覆冰厚度数据和覆冰质量数据；消除所述监测数据中的随机信号引入的不确定性，将不等间隔的所述监测数据进行等间隔处理，得到监测数据中的各个数据的回归估计函数；步骤2:采用小波分解法将步骤I中等间隔处理后所得到的回归估计函数逐个分解，求得小波系数和尺度系数；利用小波系数和尺度系数得到影响因素概貌序列及细节序列、覆冰质量概貌序列及细节序列和覆冰厚度概貌序列及细节序列；步骤3:对步骤2获得的所述影响因素概貌序列及细节序列、覆冰厚度概貌序列及细节序列和覆冰质量概貌序列及细节序列，分别计算影响因素概貌序列及细节序列、覆冰厚度概貌序列及细节序列和覆冰质量概貌序列及细节序列之中任意两个概貌序列及细节序列之间的相关系数，并分别建立各种影响因素与覆冰厚度的概貌与细节非线性回归拟合方程、各种影响因素与覆冰质量的概貌与细节非线性回归拟合方程；步骤4:在多个多因素的非线性回归拟合方程基础上建立基于IOWA算子的最优组合预测模型，解得组合预测加权向量和诱导值序列；步骤5:利用IOWA组合预测模型产生覆冰质量及厚度的概貌预测值序列和细节预测值序列，求得小波系数和尺度系数，再采用小波重构算法得到覆冰厚度及质量的预测值序列。本专利技术的基于IOWA算子组合预测模型的输电线路覆冰预测方法的结构特点也在于:所述步骤I中的等间隔处理，是在已知输电线路覆冰的影响因素历史数据、覆冰厚度数据和覆冰质量数据的情况下完成的。所述步骤I中的监测数据包括至少一次对影响因素、覆冰厚度和覆冰质量数据的记录。所述步骤4中的所述组合预测加权向量和诱导值序列，是通过求解步骤3中的各种影响因素与覆冰厚度的概貌与细节非线性回归拟合方程和各种影响因素与覆冰质量的概貌与细节非线性回归拟合方程得到的。步骤5中，所述小波系数和尺度系数由覆冰质量及厚度的概貌预测值序列和细节预测值序列得到。步骤5中，覆冰厚度及质量的预测值序列通过采用小波重构算法，根据小波系数和尺度系数计算得到。本专利技术还提供了一种基于IOWA算子组合预测模型的输电线路覆冰预测方法的预测系统。所述的基于IOWA算子组合预测模型的输电线路覆冰预测方法的预测系统，其特征是，包括数据预处理模块、小波分解模块、多因素非线性回归模块、覆冰IOWA组合预测模块和小波重构模块；所述数据处理模块，用于对输电线路覆冰的监测数据(监测数据包括影响因素历史数据、覆冰厚度数据和覆冰质量数据)进行去噪和等间隔处理，获得监测数据中的各个数据的回归估计函数，并将回归估计函数输入到小波分解模块；所述小波分解模块，用于采用小波分解算法将回归估计函数逐个分解，求得小波系数和尺度系数，再利用小波系数和尺度系数得到影响因素概貌序列及细节序列、覆冰质量概貌序列及细节序列和覆冰厚度概貌序列及细节序列，并将影响因素概貌序列及细节序列、覆冰质量概貌序列及细节序列和覆冰厚度概貌序列及细节序列输出至多因素非线性回归模块；多因素非线性回归模块，对影响因素概貌序列及细节序列、覆冰厚度概貌序列及细节序列和覆冰质量概貌序列及细节序列分别计算所述影响因素概貌序列及细节序列、覆冰厚度概貌序列及细节序列和覆冰质量概貌序列及细节序列之中任意两个概貌序列及细节序列之间的相关系数，并分别建立各种影响因素与覆冰厚度的概貌与细节非线性回归拟合方程、各种影响因素与覆冰质量的概貌与细节非线性回归拟合方程，并将所建立的非线性回归拟合方程输出到覆冰IOWA组合预测模块；覆冰IOWA组合预测模块，对多因素非线性回归模块所输出的非线性回归拟合方程建立基于IOWA算子的最优组合预测模型，解得组合预测加权向量和诱导值序列，进而产生覆冰质量及厚度的概貌预测值序列和细节预测值序列，求得小波系数和尺度系数；最后在小波重构模块中采用小波重构算法得到覆冰厚度及质量的预测值序列。与已有技术相比，本专利技术有益效果体现在:本专利技术的基于IOWA算子组合预测模型的输电线路覆冰预测方法，首先通过小波分解将冰灾影响因素与覆冰数据逐个分解，求得小波系数和尺度系数，再利用小波系数和尺度系数得到影响因素概貌序列及细节序列、覆冰质量概貌序列及细节序列和覆冰厚度概貌序列及细节序列，然后逐个对各气象因素与输电线路因素进行非线性回归得到覆冰厚度及质量的拟合方程；接着对这些回归方程建立基于IOWA算子的组合预测模型，求得组合预测加权向量和诱导值序列，之后产生覆冰质量及厚度的概貌预测值序列和细节预测值序列，求得小波系数和尺度系数；再采用小波重构算法本文档来自技高网...

【技术保护点】
基于IOWA算子组合预测模型的输电线路覆冰预测方法，其特征是，包括如下步骤：步骤1：获取并处理输电线路覆冰的监测数据，所述监测数据包括影响因素历史数据、覆冰厚度数据和覆冰质量数据；消除所述监测数据中的随机信号引入的不确定性，将不等间隔的所述监测数据进行等间隔处理，得到监测数据中的各个数据的回归估计函数；步骤2：采用小波分解法将步骤1中等间隔处理后所得到的回归估计函数逐个分解，求得小波系数和尺度系数；利用小波系数和尺度系数得到影响因素概貌序列及细节序列、覆冰质量概貌序列及细节序列和覆冰厚度概貌序列及细节序列；步骤3：对步骤2获得的所述影响因素概貌序列及细节序列、覆冰厚度概貌序列及细节序列和覆冰质量概貌序列及细节序列，分别计算影响因素概貌序列及细节序列、覆冰厚度概貌序列及细节序列和覆冰质量概貌序列及细节序列之中任意两个概貌序列及细节序列之间的相关系数，并分别建立各种影响因素与覆冰厚度的概貌与细节非线性回归拟合方程、各种影响因素与覆冰质量的概貌与细节非线性回归拟合方程；步骤4：在多个多因素的非线性回归拟合方程基础上建立基于IOWA算子的最优组合预测模型，解得组合预测加权向量和诱导值序列；步骤5：利用IOWA组合预测模型产生覆冰质量及厚度的概貌预测值序列和细节预测值序列，求得小波系数和尺度系数，再采用小波重构算法得到覆冰厚度及质量的预测值序列。...

【技术特征摘要】

【专利技术属性】
技术研发人员：孙登第，范明豪，尹涛，程登峰，陆明，罗斌，潘强，佟昊，
申请(专利权)人：徽大学，国网安徽省电力公司电力科学研究院，安徽继远电网技术有限责任公司，
类型：发明
国别省市：安徽;34