基于微气象因子的径向基神经网络输电线路覆冰预测方法技术

本发明专利技术公开了基于微气象因子的径向基神经网络输电线路覆冰预测方法，包括步骤：(1)获取覆冰线路同经纬坐标下对应的气象数据；(2)整理该气象数据，并对异常数据进行数据清洗；(3)对当前气象数据进行灰色关联度分析，取关联程度最大的前5个气象因素作为神经网络输入向量；(4)通过DBSCAN聚类方法求取径向基网络结点参数值；(5)使用径向基网络对覆冰厚度进行预测；(6)取80m、150m、200m作为输电线路与电线杆距离大水域水平垂直距离阈值，计算出水源对输电线路覆冰厚度的影响系数，(7)根据(6)中计算结果，求得输电线路覆冰厚度预测的地理修正值。本发降低了网络结构的复杂度，提高了预测结果的准确率。测结果的准确率。测结果的准确率。

【技术实现步骤摘要】
基于微气象因子的径向基神经网络输电线路覆冰预测方法


[0001]本专利技术涉及线路覆冰厚度预测
，具体涉及基于微气象因子的径向基神经网络输电线路覆冰预测方法。

技术介绍

[0002]目前，对于输电线路覆冰的形成机理、预防监测、监控分析以及灾后应急处理等相关研究已长达半个多世纪，在此期间各国的研究人员都取得了许多研究成果与进展。从对覆冰研究的理论内容出发，可将覆冰研究方向分为基于覆冰机理的物理分析模型以及基于大量输电线路覆冰监控数据的智能统计分析模型，在本专利技术中用到的径向基网络可归类于智能统计分析模型。
[0003]在现有的智能统计分析模型的研究中，覆冰厚度预测主要有以下几类方法：一类是通过构建神经网络对覆冰厚度进行回归预测，另一类是使用多变量模糊控制技术对线路覆冰状态进行评估。文献(McComber P,De Lafontaine J,Druez J,et al.A comparison of neural network and multiple regression transmission line icing mode本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于微气象因子的径向基神经网络输电线路覆冰预测方法，其特征在于：该方法包括以下步骤：(1)获取输电线路杆塔数据，获取杆塔对应经纬度的气象数据；(2)确定分析数列，即抽象出该系统中的参考数据(参考数列)和用来对比的各因素数据(对比数列)，这些数据应能够对系统行为特征具有较好的代表性，参考数据为参考数列，对比的各因素数据为对比数列；(3)去除变量量纲，对线路覆冰的气象因素进行归一化处理；(4)利用步骤(3)中经过处理的数据，计算各对比数列曲线与参考数列曲线之间的几何相似程度，该几何相似度视为比较数列与参考数列的关联系数；(5)关联度排序，计算各个气象因素的关联度，将各个因素的关联度按照由大到小的顺序进行排序，取前五因素作为神经网络输入向量的特征；(6)针对输入数据求得其k近邻，随后通过分析第k个近邻距离数据曲线以确定DBSCAN聚类算法中的相关参数；(7)通过步骤(6)计算的结果，对输入向量进行DBSCAN聚类操作；(8)数据清洗，运用步骤(7)中结果，对聚类结果中的噪声从输入数据中去除；(9)径向基神经网络搭建，运用步骤(8)中结果，将聚类中心作为网络隐藏层结点对应高斯函数的均值参数，训练网络；(10)选取80m、150m、200m作为距离阈值，计算大水域水平垂直距离对输电线路覆冰厚度的影响系数；(11)计算不同水平垂直距离区间段输电线路覆冰厚度预测的地理修正值，修正预测结果。2.根据权利要求1所述的基于微气象因子的径向基神经网络输电线路覆冰预测方法，其特征在于：步骤(2)中所述的参考数列与比较数列表示如下：Y＝{Y(k)|k＝1,2,
…
,n}X
i
＝{X
i
(k)|k＝1,2,
…
,n},i＝1,2,
…
,m其中Y代表参考数列，X
i
代表第i个比较数列，k代表当前数列中第k个元素。3.根据权利要求2所述的基于微气象因子的径向基神经网络输电线路覆冰预测方法，其特征在于：步骤(3)中无量纲化计算公式如下：其中，X
i
代表第i个比较数列，k代表当前数列中第k个元素。4.根据权利要求3所述的基于微气象因子的径向基神经网络输电线路覆冰预测方法，其特征在于：步骤(4)中使用以下公式计算参考数据和比较数据之间的关联系数：其中，ρ代表的是分辨系数，将ρ的值设置成0.5，此外，X
i
(k)代表第i个比较数列中第k个元素，y(k)代表参考数列中第k个元素，ξ
i
(k)代表比较数列i中第k个元素对应关联系...

【专利技术属性】
技术研发人员：张露松，彭赤，毛先胤，黄欢，吴建蓉，吕乾勇，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：