【技术实现步骤摘要】
一种用于输电线路的风速预测方法
本专利技术属于机器学习
，尤其涉及一种用于输电线路的风速预测方法。
技术介绍
输电线路风灾一直对电网系统的安全产生很大风险。国外出现过许多不同程度的输电线路风灾，电网系统也发生过不少风灾，且随着全球气温逐渐变暖，极端天气的不断增多，这种灾害的发生频率呈现上升趋势。由于高风速导致的输电线路灾害一般发生在恶劣天气条件下，当强风或飓风作用在导线和绝缘子串风压面上时，导线出现一定程度的偏转和位移，当导线与杆塔构件或周边物体空气间隙小于工频电压击穿距离时，发生空气击穿，形成风偏放电跳闸。风偏引起的导线相间放电是由于阵风作用下各相导线受风时间存在一定差异，造成各相导线摆动周期和相位不同引起的。此外，各相导线的驰度不一致也会引起导线摆动周期不同，形成不同期摆动，造成相间空气间隙不足，导致相间放电。另外，由于风力长期作用，金具产生磨损，严重时甚至会造成线路金具的断裂，导致掉线跳闸。巨大的经济损失和社会影响警示我们，开展电力系统防灾研究、保障电力系统在风灾时的安全稳定运行是当前刻不容缓的挑
【技术保护点】
1.一种用于输电线路的风速预测方法，其特征在于，包括：/n步骤1：采集多组输电线路附近的风速、微气象信息和天气预报信息；其中微气象信息和天气预报信息包括的基础数据为地面以上10米高度处风速；/n步骤2：将采集到的数据按照时间顺序排列，并将数据分为训练集和测试集；其中，一组数据包括同时间的风速、微气象信息和天气预报信息；/n步骤3：使用训练集训练风速预测模型：使用结合Inception模型和时间卷积网络(TCN)模型的Inception-TCN以及全连接神经网络进行训练，将微气象信息和天气预报信息作为风速预测模型的输入序列，风速作为风速预测模型的输出；其中，Inception...
【技术特征摘要】
1.一种用于输电线路的风速预测方法，其特征在于，包括：
步骤1：采集多组输电线路附近的风速、微气象信息和天气预报信息；其中微气象信息和天气预报信息包括的基础数据为地面以上10米高度处风速；
步骤2：将采集到的数据按照时间顺序排列，并将数据分为训练集和测试集；其中，一组数据包括同时间的风速、微气象信息和天气预报信息；
步骤3：使用训练集训练风速预测模型：使用结合Inception模型和时间卷积网络(TCN)模型的Inception-TCN以及全连接神经网络进行训练，将微气象信息和天气预报信息作为风速预测模型的输入序列，风速作为风速预测模型的输出；其中，Inception-TCN模型在模型每一层中用多个不同k值的Residualblock模块组合求出输出均值的模块来代替TCN模型中固定k值的Residualblock模块；
步骤4：使用测试集测试风速预测模型，根据测试效果调整风速预测模型的超参数，重复步骤3，直至获得理想的风速预测模型；
步骤5：将输电线路附近的微气象信息与天气预报信息输入到风速预测模型中，预测输电线路的风速值。
2.根据权利要求1所述用于输电线路的风速预测方法，其特征在于，所述步骤1中微气象信息包括：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小时累计降水量共9种信息；天气预报信息包括与微气象信息同时间的对应以上的9种天气预报信息。
3.根据权利要求1所述用于输电线路的风速预测方法，其特征在于，所述步骤3内容如下：
步骤3-1：使用Inception-TCN模型对训练集中n组微气象信息和天气预报信息序列x1，x2，x3，...，xt，...，xn进行特征提取，特征提取结果为C1，C2，C3，...，Ct，...，Cn，其中Ct表示第t个特征提取结果，n为超参数，取值范围[24，96]；
步骤3-2：将C1，C2，C3，...，C1，...，Cn作为...
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。