一种输电铁塔健康状态数据分类方法技术

本发明专利技术公开了一种输电铁塔健康状态数据分类方法，其方法为：第一步、通过倾角、振动、温湿度以及风力风速的传感器阵列收集铁塔运行状态数据；第二步、根据输电铁塔健康状态数据集D；第三步、构建多类别中央分割超平面支持向量机对输电铁塔健康状态数据集D1进行分类；第四步、使用测试集D

【技术实现步骤摘要】
一种输电铁塔健康状态数据分类方法


[0001]本专利技术涉及一种数据分类方法，特别涉及一种输电铁塔健康状态数据分类方法。

技术介绍

[0002]目前，极端天气和恶劣环境是致使输电铁塔发生严重倒塔事故的重要原因。针对铁塔状态的监测预警手段并不完善，尤其是在强风、强降雨等天气下，铁塔可能发生强烈振动和严重锈蚀。目前，传感器阵列可以快速采集铁塔塔身的倾角、震动、温湿度、风力风速等信息，降雨量、降雪量以及积水深度信息可以通过当前气象信息获取。将以上信息进行整合、提取，可以得到铁塔健康状态数据集，通过铁塔健康状态数据集训练机器学习模型，可以预测铁塔可能发生的导、地线或绝缘子覆冰、塔基沉降或塔体锈蚀等故障。现有故障方法中，主要是采用多分类支持向量机直接对铁塔数据集进行故障分类。这种方法会产生两个问题，一是铁塔数据集中各故障样本数目不平衡，尤其是铁塔正常运行产生的样本数目远大于铁塔发生故障时的样本数目。这种情况不利于支持向量机的模型训练过程。二是在传统多分类支持向量机下，大量数据中的部分数据存在同时满足两个不同超平面的故障样本，出现这种情况的原因在于传统多分类支持向量机的分类算法不能完全覆盖所有样本，因此需要对传统多分类支持向量机算法进行改进。

技术实现思路

[0003]本专利技术的目的是为了解决现有技术中铁塔健康监测数据集各类故障数据不平衡，以及传统多分类支持向量机算法存在弊端，导致铁塔健康监测故障分类结果不够准确，而提供的一种输电铁塔健康状态数据分类方法。
[0004]本专利技术提供的输电铁塔健康状态数据分类方法，其方法包括的步骤如下：
[0005]第一步、通过倾角、振动、温湿度以及风力风速的传感器阵列收集铁塔运行状态数据，并通过实时天气信息获取对应时刻降雨和雪量以及积水量数据，每组由温度x1、湿度x2、风向x3、风力x4、降雨和雪量x5、积水量x6、振动信号x7和倾角大小x8构成一个样本x
i
，并标记故障类型y
i
，其中，故障类型包含四类：铁塔覆冰y1、导线舞动y2、塔基沉降y3以及积水锈蚀y4，由监测时段内获得的样本x
i
和对应故障类型y
i
构建输电铁塔健康状态数据集D；
[0006]第二步、根据输电铁塔健康状态数据集D，采用合成少数类过采样方法对数据集中各类样本数目进行调整，提高分类数据集的平衡性，具体如下：
[0007](1)、对输电铁塔健康状态数据集D中样本进行剪辑，去除对分类过程作用最小的点，减少后续过程计算量；
[0008](2)、利用K
‑
近邻算法，选择离某一样本x
i
最近的K个同类样本x
′
i
，在K个同类样本x
′
i
中随机选择M个样本x
n
，n＝[1,2,
…
M]，K
‑
近邻算法在计算x
i
邻近的同类样本x
′
i
时满足的距离公式如下：
[0009][0010](3)、将M个样本分别和原样本x
i
连结，取期间任意一点为新样本x
N
，ξ为随机数，新样本x
N
的构造公式如下：
[0011]x
N
＝x
i
+ξ(x
n
‑
x
i
)ξ∈(0,1)
[0012]在相同条件下对这一过程进行重复，得到任意数量对应类别的样本，使得各类样本数目相等，构建新的输电铁塔健康状态数据集D1；
[0013]第三步、构建多类别中央分割超平面支持向量机对输电铁塔健康状态数据集D1进行分类，首先从包含铁塔覆冰y1、导线舞动y2、塔基沉降y3以及积水锈蚀y4的四类样本中，分别选取相同数目的样本组成训练集D
tri
，通过训练集D
tri
得到原始超平面OH1、OH2、OH3、OH4，计算原始超平面OH1和OH2的中央分割平面OH
12
、原始超平面OH2和OH3的中央分割平面OH
23
、原始超平面OH3和OH4的中央分割平面OH
34
、原始超平面OH4和OH1的中央分割平面OH
41
，将中央分割平面OH
12
、OH
23
、OH
34
、OH
41
输入到原始支持向量机模型MOD得到多类别中央分割超平面支持向量机模型MOD，具体如下：
[0014](1)、选取输电铁塔健康状态数据集D1中标记为y1、y2、y3和y4的全部样本，其中70％的样本组成训练集D
tri12
，剩余30％的样本组成测试集D
tes12
，设定y1＝+1，y2＝y3＝y4＝
‑
1，约束条件y
i
(ωx
i
+b)≥1，目标函数通过拉格朗日乘子法，求解目标函数：
[0015][0016]α＝{α1,
…
,α
n
}
[0017](2)、对目标ω，b求偏导，将最大值问题换转化为最小值问题，因约束条件中存在不等关系，故拉格朗日乘子需满足Karush
‑
Kuhn
‑
Tucker条件，最终求解方程为：
[0018][0019]同时需满足约束条件：
[0020][0021](3)、将最终求解方程得到的α代入到目标函数中，得到对应的原始超平面OH1：
[0022]ω
1T
x+b1＝0
[0023](4)、重复上述过程，继续得到原始超平面OH2、OH3、OH4；
[0024](5)、原始超平面OH1、OH2的超平面法向量分别为ω1、ω2，将ω1，ω2单位化，得到
当原始超平面OH1、OH2夹角θ满足：时，中央分割平面OH
12
的法向量ω
12
为：
[0025][0026]当原始超平面OH1、OH2夹角θ满足：时，中央分割平面OH
12
的法向量ω
12
为：
[0027][0028](6)、寻找中央分割平面OH
12
、原始超平面OH1、OH2的公共解X0，X0为与特征维数相同的非零向量。通过原始超平面OH1，OH2对X0进行求解：
[0029][0030]构造中央分割平面OH
12
：
[0031]OH
12
:ω
12T
x+b
12
＝0
[0032]X0为中央分割平面OH
12
的一个特解，代入上式可得：
[0033][0034](7)、重复(5)、(6)过程，分别得到中央分割平面OH
23
、OH
34
...

【技术保护点】

【技术特征摘要】
1.一种输电铁塔健康状态数据分类方法，其特征在于：其方法包括如下步骤：第一步、通过倾角、振动、温湿度以及风力风速的传感器阵列收集铁塔运行状态数据，并通过实时天气信息获取对应时刻降雨和雪量以及积水量数据，每组由温度x1、湿度x2、风向x3、风力x4、降雨和雪量x5、积水量x6、振动信号x7和倾角大小x8构成一个样本x
i
，并标记故障类型y
i
，其中，故障类型包含四类：铁塔覆冰y1、导线舞动y2、塔基沉降y3以及积水锈蚀y4，由监测时段内获得的样本x
i
和对应故障类型y
i
构建输电铁塔健康状态数据集D；第二步、根据输电铁塔健康状态数据集D，采用合成少数类过采样方法对数据集中各类样本数目进行调整，提高分类数据集的平衡性，具体如下：(1)、对输电铁塔健康状态数据集D中样本进行剪辑，去除对分类过程作用最小的点，减少后续过程计算量；(2)、利用K
‑
近邻算法，选择离某一样本x
i
最近的K个同类样本x
′
i
，在K个同类样本x
′
i
中随机选择M个样本x
n
，n＝[1，2，...M]，K
‑
近邻算法在计算xi邻近的同类样本x
′
i
时满足的距离公式如下：(3)、将M个样本分别和原样本x
i
连结，取期间任意一点为新样本x
N
，ξ为随机数，新样本x
N
的构造公式如下：x
N
＝x
i
+ξ(x
n
‑
x
i
)ξ∈(0，1)在相同条件下对这一过程进行重复，得到任意数量对应类别的样本，使得各类样本数目相等，构建新的输电铁塔健康状态数据集D1；第三步、构建多类别中央分割超平面支持向量机对输电铁塔健康状态数据集D1进行分类，首先从包含铁塔覆冰y1、导线舞动y2、塔基沉降y3以及积水锈蚀y4的四类样本中，分别选取相同数目的样本组成训练集D
tri
，通过训练集D
tri
得到原始超平面OH1、OH2、OH3、OH4，计算原始超平面OH1和OH2的中央分割平面OH
12
、原始超平面OH2和OH3的中央分割平面OH
23
、原始超平面OH3和OH4的中央分割平面OH
34
、原始超平面OH4和OH1的中央分割平面OH
41
，将中央分割平面OH
12
、OH
23
、OH
34
、OH
41
输入到原始支持向量机模型MOD得到多类别中央分割超平面支持向量机模型MOD，具体如下：(1)、选取输电铁塔健康状态数据集D1中标记为y1、y2、y3和y4的全...

【专利技术属性】
技术研发人员：韩顺杰，王贺冉，杨欢，陈洪涛，彭海超，
申请(专利权)人：国网吉林省电力有限公司松原供电公司，
类型：发明
国别省市：