一种基于机器学习的覆冰类型预测方法及系统技术方案

本发明专利技术提供一种基于机器学习的覆冰类型预测方法及系统，包括：获取预测覆冰类型的气象预报数据；将所述气象预报数据分别输入到多个预先按覆冰类型训练好的最大间隔超平面方程中进行计算，得到各最大间隔超平面方程的解；基于所述各最大间隔超平面方程的解，确定覆冰类型；其中，所述最大间隔超平面方程是基于每种覆冰类型利用回归型支持向量机对所述历史气象数据进行训练得到的。本发明专利技术基于气象预报数据和回归型支持向量机，可对输电线路中的覆冰类型进行精确预测，实现预报更全面、更为精细化的输电通道覆冰类型预警，有助于及时做好准备并开展覆冰处理工作，防止由覆冰造成的严重危害事故的发生。

【技术实现步骤摘要】
一种基于机器学习的覆冰类型预测方法及系统
本专利技术涉及一种覆冰类型预测方法，具体涉及一种基于机器学习的覆冰类型预测方法及系统。
技术介绍
在电力行业中，输电线路因为低温雨雪等因素产生的结冰现象称为覆冰。在低温环境下，空气中的过冷水滴在导线或是绝缘子等结构体的表面积累，进而产生覆冰。导线覆冰的产生是需要一定的环境条件的，主要包括湿度在80％左右、风速在1m/s及以上、环境及导线温度达到0℃及以下。根据覆冰的形成条件和性质，覆冰主要分为五种类型：雨凇、混合淞、雾凇、白霜、积雪。其中雨凇是五种覆冰类型中威胁最大的，产生雨凇覆冰后将带来非常大的机械负荷，并且由于冰层的质地坚硬，难以处理该类覆冰。混合凇是一个复合的覆冰过程，增长速度快，对导线的危害特别严重。雾凇质量较轻，粘附力弱，对于输电线路的总体危害较小，危害程度要次于混合凇。白霜对于导线的机械结构的影响不大，但是它的出现会导致输电线路的电晕损失增大。积雪在气温为0℃左右，风速小于3m/s的环境条件下，导线上的覆雪受到风速的制约，粘附在导线表面的覆雪经过多次的融化和凝结，成为雪和冰的混合物，在导线上本文档来自技高网...

【技术保护点】
1.一种基于机器学习的覆冰类型预测方法，其特征在于，包括：/n获取预测覆冰类型的气象预报数据；/n将所述气象预报数据分别输入到多个预先按覆冰类型训练好的最大间隔超平面方程中进行计算，得到各最大间隔超平面方程的解；/n基于所述各最大间隔超平面方程的解，确定覆冰类型；/n其中，所述最大间隔超平面方程是基于每种覆冰类型利用回归型支持向量机对所述历史气象数据进行训练得到的。/n

【技术特征摘要】
1.一种基于机器学习的覆冰类型预测方法，其特征在于，包括：
获取预测覆冰类型的气象预报数据；
将所述气象预报数据分别输入到多个预先按覆冰类型训练好的最大间隔超平面方程中进行计算，得到各最大间隔超平面方程的解；
基于所述各最大间隔超平面方程的解，确定覆冰类型；
其中，所述最大间隔超平面方程是基于每种覆冰类型利用回归型支持向量机对所述历史气象数据进行训练得到的。


2.根据权利要求1所述方法，其特征在于，所述最大间隔超平面方程的训练过程，包括：
将历史气象数据划分为训练集和测试集；
基于每种覆冰类型，将所述训练集划分为对应此类覆冰的数据集和非此类覆冰的数据集；
基于对应覆冰类型的数据集和非覆冰类型的数据集，利用所述回归型支持向量机进行训练，得到与每种覆冰类型对应的分类器；
基于所述测试集对所述每种覆冰类型对应的分类器进行测试；
其中，每种覆冰类型对应的分类器对应一个最大间隔超平面方程。


3.根据权利要求2所述方法，其特征在于，所述最大间隔超平面方程，按下式确定：



式中，xj为气象预报数据，为第i个覆冰类型的分类器对应最大间隔超平面方程的法向量，b为位移项。


4.根据权利要求2所述方法，其特征在于，所述基于所述各最大间隔超平面方程的解，确定覆冰类型，包括：
将各最大间隔超平面方程得到的解中大于零的最大间隔超平面方程对应的覆冰类型作为气象预报数据生成的覆冰类型。


5.根据权利要求1所述方法，其特征在于，所述覆冰类型包括：雨凇、雾凇、混合淞、白霜及积雪。


6.根据权利要求1所述方法，其特征在于，还包括：
获取原始气象预报数据，利用设定条件对所述获取的原始气象数据进行筛选，并将满足设定...

【专利技术属性】
技术研发人员：赵丽君，王勃，靳双龙，宋宗朋，滑申冰，刘晓琳，胡菊，刘凡，范松海，刘小江，
申请(专利权)人：中国电力科学研究院有限公司，国家电网有限公司，国网四川省电力公司，国网江西省电力有限公司，
类型：发明
国别省市：北京;11