【技术实现步骤摘要】
一种基于EEMD的输电线路覆冰等级预测方法
本专利技术涉及电力系统灾害预警
，尤其涉及一种基于EEMD的输电线路覆冰等级预测方法。
技术介绍
输电线路作为电力系统不可或缺的一部分，为防止因输电线路覆冰而造成线路倒塌等电网大面积灾害，同时又要降低输电线路时时监控成本，预测输电线路覆冰厚度至关重要。目前，大部分输电线路在线监控系统，收集到的都是一些非线性、多模态性以及异质性的高维高频数据，数据中可能含有大量的噪声。传统的输电线路覆冰等级预测方法对于某一具体日期的输电线路覆冰状况的预测，都是基于原始数据的模型学习或数据处理，难以逃脱数据噪声的影响，特别是对于存在数据噪声的某一具体日期，预测的精确度难以保证。另一方面，传统的输电线路覆冰等级预测方法难以规避多模态性以及异质性的高维数据的影响，特别是对于突发性气候变化引起的输电线路覆冰变化的预测。因此，如何在有效利用多模态性以及异质性的高维数据的同时规避数据噪声对于预测模型精确性的影响，是传统输电线路覆冰等级预测的难点。
技术实现思路
有鉴于此，本专利技术提供...
【技术保护点】
1.一种基于EEMD的输电线路覆冰等级预测方法，其特征在于，包括以下步骤：/nS1、数据预处理：获取输电线路覆冰等级的原始数据，对所述原始数据进行预处理，剔除掉噪声和不完整的数据；/nS2、EEMD数据分解与特征提取：采用EEMD特征提取算法，将预处理后的原始数据中的气象和力学性时间序列数据X(t)，分解成残余项以及一系列频率由高到低的本征模态函数；具体地：/n首先对所述时间序列数据X(t)在其时频空间均匀地添加m次高斯白噪声ω
【技术特征摘要】
1.一种基于EEMD的输电线路覆冰等级预测方法，其特征在于，包括以下步骤：
S1、数据预处理：获取输电线路覆冰等级的原始数据，对所述原始数据进行预处理，剔除掉噪声和不完整的数据；
S2、EEMD数据分解与特征提取：采用EEMD特征提取算法，将预处理后的原始数据中的气象和力学性时间序列数据X(t)，分解成残余项以及一系列频率由高到低的本征模态函数；具体地：
首先对所述时间序列数据X(t)在其时频空间均匀地添加m次高斯白噪声ωi(t),i＝1,2,L,m，得到信号序列xi(t),i＝1,2,L,m，其中xi(t)＝X(t)+ωi(t)；接着将序列xi(t)中的每一个信号均分解成n个本征模态函数hij(t)和一个残差rin(t)相加的形式：
然后将序列xi(t),i＝1,2,Lm中对应位置上的本征模态函数进行平均，得到所述数据X(t)的每一个单独的本征模态函数Hj(t)：
同样地，对残差也进行平均化处理得到残余项数据R(t)：
最后所述数据X(t)分解后得到残余项以及一系列本征模态函数为：
S3、数据合成：将经步骤S2中分解后的残余项R(t)剔除，使用本征模态函数构成的矩阵数据替代原始数据，作为预测模型的输入数据；
S4、预测模型的建立与测试：将输入数据分成训练数据以及测试数据，根据所述训练数据对BP神经网络进行训练，建立输电线路覆冰等级预测模型，使用所述测试数据进行模型测试；利用测试完成的输电线路覆冰等级预测模型，输入经步骤S1、S2、S3处理后的数据，得到覆冰等级的预测结果。
2.根据权利要求1所述的基于EEMD的输电线路覆冰等级预测方法，其特征在于，所述原始数据包括基本信息数据、图像数据、气象和力学性数据，其中，所述基本信息数据包括终端名称、记录时间日期；所述气象数据包括温度、湿度、降雨量、光照强度；所述力学数据包括导线最大最小张力、拉力、风偏角；所述原始数据中每一样本均包括相应的覆冰等级记录，所述等级一共分为6个状态，分别对应状态0-5，其中状态0表示输电线路未覆冰状态，状态1-5依次表示输电线路覆冰等级越来越严重。
3.根据权利要求1所述的基于EEMD的输电线路覆冰等级预测方法，其特征在于，所述步骤S1中，预处理的具体过程为：对于不完整的数据，采用K近邻算法进行预处理，先...
【专利技术属性】
技术研发人员：陈云亮，陈小岛，张念，杜波，熊强，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北;42
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。