一种基于Informer模型的输电线路覆冰预测方法技术

本发明专利技术公开了一种基于Informer模型的输电线路覆冰预测方法，它包括：采集历史覆冰、终端拉力、气象站预报、气象站监测和终端信息数据，进行数据预处理；构建训练集D

【技术实现步骤摘要】
一种基于Informer模型的输电线路覆冰预测方法


[0001]本专利技术属于电网覆冰预测
，尤其涉及一种基于Informer模型的输电线路覆冰预测方法。

技术介绍

[0002]近年来，随着电力系统和电网建设的飞速发展，电网分布逐渐向大规模和智能化方向发展，对电网的可靠性要求也越来越高。而覆冰作为影响电力系统最常见的灾害之一，往往导致输电线路荷重增加，进而造成线路断线、冰闪跳闸以及损坏输电线路元器件等问题。覆冰灾害已严重威胁到电网系统的平稳可靠运行，带来巨大经济损失，严重制约电网系统的建设与发展。而预测输电线路的未来覆冰状况并即时有效的采取融冰措施，可有效减少因覆冰造成的电网大面积瘫痪带来的损失。因此，输电线路覆冰预测对我国电力系统发展有着十分重要的意义。
[0003]现有的电网覆冰预测模型可以分为两类，一类是基于物理过程的预测模型，一类是基于数据驱动的预测模型。
[0004]基于物理过程的预测模型是根据覆冰的形成过程和产生机理出发，结合热力学、动力学等相关学科理论来构建覆冰预测模型。参考文献[1]“Measurement Method of Conductor Ice Covered Thickness Based on Analysis of Mechanical and Sag Measurement”(YAO C,ZHANG L,LI C,et al,High Voltage Engineering[J],2013,5.)通过分析覆冰增长的过程，提出了基于覆冰增长的覆冰厚度预测模型，但其局限性大，不具备普适性。参考文献[2]“基于拉力和倾角的输电线路覆冰厚度预测模型”(张子翀,王健,广东电力[J],28(06):82
‑
86+92,2015)通过计算无覆冰时垂直平面内基本的线路静力学参数并结合风力和绝缘子串影响来计算导线的等值荷载覆冰厚度，以此来构建覆冰预测模型。然而基于物理过程的预测模型往往无法考虑到所有覆冰因素的影响，因此提出的模型往往实用性不佳。
[0005]基于数据驱动的覆冰预测模型以历史覆冰数据为主，通过深度神经网络模型、机器学习算法等方法，分析覆冰形成过程的影响因素并捕获数据中的非线性关系、时空动态性和不确定性等特性，寻找覆冰厚度与微气象、微地形等因素之间的关系，以此构建覆冰预测模型。
[0006]参考文献[3]“Online prediction method of icing of overhead power lines based on support vector regression”(Li J J,Li P,Miao A M,Chen Y,Cao M,and Shen X,International Transactions on Electrical Energy Systems[J],28(3):1
‑
14,2018)采用支持向量回归算法(SVR)，利用历史覆冰数据和在线气象数据，结合wavelets数据预处理方式和相空间重构理论来构建架空电力线路短期积冰负载的结冰警报系统，此系统可预测5小时预测架空电力线路的实时结冰值。
[0007]参考文献[4]“一种基于长短期记忆网络的线路覆冰预测模型研究”(陈雨鸽,高伟,林鸿伟,阮肇华,郑为凑,林福,陈锦植,电工电气[J],2020(03):5
‑
11)提出了一种基于
结合气象因素和导线覆冰量的时间序列模型预测法，采用长短期记忆网络算法(LSTM)训练预测模型并利用线路实际运行数据对模型进行调整和优化。而实际应用中往往需要预测未来1
‑
2天的覆冰状况，预测的序列长度较大。但该模型计算费时，在时间跨度大且网络很深的情况下计算量很大。同时，该模型在长序列输入输出时的表现不佳，特别是当预测序列长度较大时，误差迅速上升，推理速度急剧下降。
[0008]综上所述，现有的输电线路覆冰预测方法因为预测序列长度长、环境影响因素多样，覆冰状况具有时空差异性等问题，在实际应用中存在准确性不高、鲁棒性不强、适应性不好等缺点。

技术实现思路

[0009]本专利技术要解决的技术问题是：提供一种基于Informer模型的输电线路覆冰预测方法，以解决现有技术输电线路覆冰预测方法因为预测序列长度长、环境影响因素多样，覆冰状况具有时空差异性等问题，在实际应用中存在准确性不高、鲁棒性不强、适应性不好等技术问题。
[0010]本专利技术的技术方案是：
[0011]一种基于Informer模型的输电线路覆冰预测方法，它包括：
[0012]步骤1、采集历史覆冰数据、终端拉力数据、气象站预报数据、气象站监测数据和终端信息数据，对采集的信息数据进行数据预处理；
[0013]步骤2、构建训练集D
train
、验证集D
vail
和测试集D
test
；
[0014]步骤3、在设定好迭代次数Epochs、批处理样本数batch_size和学习率lr后之后，依次从训练集D
train
取出batch_size大小的样本数，进行输入统一转换；
[0015]步骤4、生成编码器；
[0016]步骤5、通过对Decoder的堆叠，来更好的获得输入输出间的映射关系，以此来提高预测精度；最终通过一个全连接层，得到最后的输出；将预测得到的输出和真实值进行损失函数Loss计算；
[0017]骤6、模型迭代，重复步骤3、4和5；，直至训练条件终止，生成训练好的model，用于预测未来时刻的输电电缆的拉力值，通过拉力值进而计算当前输电电缆的覆冰厚度。
[0018]数据预处理的方法为：进行异常值处理和缺失值填补，构建拉力相关的多变量序列数据集：数据集以拉力值为预测对象，以日期、温度、湿度、温度和拉力值覆冰影响因素为特征输入；设输入历史序列长度为L
x
，前向预测长度为p，覆冰相关影响变量个数为i，预测拉力值为f
t
，预处理后的数据集dataset表示如下：
[0019][0020]数据预处理后得到拉力多变量数据集进行进一步标准化，使用均值mean和方差σ对数据进行Z
‑
score归一化，
[0021]归一化计算公式：X＝(x
‑
mean)/σ；取数据集的前70％为训练集D
train
，10％为验证
集D
vail
，最后20％为测试集D
test
。
[0022]进行输入统一转换的方法为：
[0023]模型输入由特征标量局部时间戳(PE)和全局时间戳(SE)组成；转换公式为：
[0024][0025]式中：i∈{1,
…
,L
x
}，α为平衡标量映射和局部/全局嵌入之间大小的因子。
[0026]特征标量所对应公式中的具体操作为通过Conv1D将i维转换为512维向量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Informer模型的输电线路覆冰预测方法，它包括：步骤1、采集历史覆冰数据、终端拉力数据、气象站预报数据、气象站监测数据和终端信息数据，对采集的信息数据进行数据预处理；步骤2、构建训练集D
train
、验证集D
vail
和测试集D
test
；步骤3、在设定好迭代次数Epochs、批处理样本数batch_size和学习率lr后之后，依次从训练集D
train
取出batch_size大小的样本数，进行输入统一转换；步骤4、生成编码器，对输入特征进行编码；步骤5、通过对Decoder的堆叠，来更好的获得输入输出间的映射关系，以此来提高预测精度；最终通过一个全连接层，得到最后的输出；将预测得到的输出和真实值进行损失函数Loss计算；步骤6、模型迭代，重复步骤3、4和5；，直至训练条件终止，生成训练好的model，用于预测未来时刻的输电电缆的拉力值，通过拉力值进而计算当前输电电缆的覆冰厚度。2.根据权利要求1所述的一种基于Informer模型的输电线路覆冰预测方法，其特征在于：数据预处理的方法为：进行异常值处理和缺失值填补，构建拉力相关的多变量序列数据集：集：数据集以拉力值为预测对象，以日期、温度、湿度、温度和拉力值覆冰影响因素为特征输入；设输入历史序列长度为L
x
，前向预测长度为p，覆冰相关影响变量个数为i，预测拉力值为f
t
，预处理后的数据集dataset表示如下：3.根据权利要求1所述的一种基于Informer模型的输电线路覆冰预测方法，其特征在于：数据预处理后得到拉力多变量数据集进行进一步标准化，使用均值mean和方差σ对数据进行Z
‑
score归一化，归一化计算公式：X＝(x
‑
mean)/σ；取数据集的前70％为训练集D
train
，10％为验证集D
vail
，最后20％为测试集D
test
。4.根据权利要求1所述的一种基于Informer模型的输电线路覆冰预测方法，其特征在于：进行输入统一转换的方法为：模型输入由特征标量局部时间戳(PE)和全局时间戳(SE)组成；转换公式为：式中：i∈{1,
…
,L
x
}，α为平衡标量映射和局部/全局嵌入之间大小的因子。5.根据权利要求4所述的一种基于Informer模型的输电线路覆冰预测方法，其特征在于：特征标量所对应公式中的具体操作为通过Conv1D将i维转换为512维向量。6.根据权利要求4所述的一种基于Informer模型的输电线路覆冰预测方法，其特征在于：局部时间戳(PE)采用Transformer中的Positional Emebdding，计算公式为：
其中d
model
为输入的特征维度，7.根据权利要求4所述的一种基于Informer模型的输电线路覆冰预测...

【专利技术属性】
技术研发人员：吴建蓉，文屹，何锦强，廖永力，龚博，黄增浩，黄军凯，范强，杜昊，代吉玉蕾，邱实，王冕，
申请(专利权)人：南方电网科学研究院有限责任公司，
类型：发明
国别省市：