输电线路覆冰预测模型的训练方法及相关装置、方法制造方法及图纸

本申请实施例公开了输电线路覆冰预测模型的训练方法及相关装置、方法，通过提取样本数据中的覆冰厚度特征，并根据覆冰厚度特征获得训练输电线路覆冰预测模型的时间步长和覆冰厚度特征矢量集，综合覆冰厚度特征、时间步长和覆冰厚度特征矢量集训练输电线路覆冰预测模型，从多维度获取优选输电线路覆冰的特征并对输电线路覆冰模型进行多维度训练，能够提升输电线路覆冰模型预测的准确性。升输电线路覆冰模型预测的准确性。升输电线路覆冰模型预测的准确性。

【技术实现步骤摘要】
输电线路覆冰预测模型的训练方法及相关装置、方法


[0001]本专利技术涉及输电线状态评估
，尤其涉及输电线路覆冰预测模型的训练方法及相关装置、方法。

技术介绍

[0002]当前输电线路覆冰灾害冬季频发，极大影响输电线路安全运行，针对输电线路覆冰的在线监测装置已广泛应用。现有技术中依赖历史统计数据和地理气象信息，人为分析相关的多个影响因子，并设定或自动分析各影响因子权重系数，实现覆冰预测建模，根据影响因子权重系数获得的预测模型对不同区域和线路所处多样化的变化环境的适用性差，预测模型预测误差范围较大。

技术实现思路

[0003]有鉴于此，本专利技术提供了输电线路覆冰预测模型的训练方法及相关装置、方法，以实现降低模型预测误差范围。
[0004]本专利技术第一实施例的具体技术方案为：一种输电线路覆冰预测模型的训练方法，所述输电线路覆冰预测模型包括特征提取模块、第一预测模块、自监督学习模块和第二预测模块，所述特征提取模块分别与所述第一预测模块、所述自监督学习模块和所述第二预测模块连接，所述第一预测模块还与所述第二预测模块连接，所述自监督学习模块还与所述第二预测模块连接；所述特征提取模块用于提取输入至所述输电线路覆冰预警模型的样本数据的覆冰厚度特征；所述第一预测模块用于根据所述覆冰厚度特征预测输电线路覆冰预警模型的时间步长；所述自监督学习模块用于根据所述覆冰厚度特征获得覆冰厚度特征矢量集；所述第二预测模块用于根据所述覆冰厚度特征、所述时间步长和所述覆冰厚度特征矢量集输出覆冰厚度预测数据；所述训练方法包括：获取样本数据，利用样本数据训练所述输电线路覆冰预测模型，获得覆冰厚度预测数据；根据所述覆冰厚度预测数据与样本数据的实际覆冰厚度获得输电线路覆冰预测模型的预测准确率；当预测准确率低于预设准确率时，利用样本数据迭代训练所述输电线路覆冰预测模型，直至预测准确率大于或等于所述预设准确率时，结束训练。
[0005]优选的，所述利用样本数据训练所述输电线路覆冰预测模型，获得覆冰厚度预测数据，包括：所述特征提取模块预设特征提取编码器；所述特征提取模块对样本数据中的强数据进行数据增强，获得第一数据波动图；所述强数据为波动幅度超过预设波动幅度的样本数据；所述特征提取模块对样本数据中的弱数据进行数据增强，获得第二数据波动图；所述弱数据为波动幅度不超过预设波动幅度的样本数据；利用特征提取编码器提取第一数据波动图中的覆冰厚度特征，获得第一覆冰厚度特征；利用特征提取编码器提取第二数据波动图中的覆冰厚度特征，获得第二覆冰厚度特征；所述第一覆冰厚度特征和所述第二覆冰厚度特征构成覆冰厚度特征；所述第一预测模块根据所述覆冰厚度特征预测输电线路覆冰预警模型的时间步长；所述自监督学习模块根据所述覆冰厚度特征获得覆冰厚度特征矢量
集；所述第二预测模块根据所述覆冰厚度特征、所述时间步长和所述覆冰厚度特征矢量集输出覆冰厚度预测数据。
[0006]优选的，所述第一预测模块根据所述覆冰厚度特征预测输电线路覆冰预警模型的时间步长，包括：所述第一预测模块对所述第一覆冰厚度特征与所述第二覆冰厚度特征进行视图交叉验证预测输电线路覆冰预警模型的时间步长。
[0007]优选的，所述自监督学习模块根据所述覆冰厚度特征获得覆冰厚度特征矢量集，包括：所述自监督学习模块对所述第一覆冰厚度特征进行线性投影和时间序列交叉验证获得第一特征向量；所述自监督学习模块对所述第二覆冰厚度特征进行线性投影和时间序列交叉验证获得第二特征向量；所述第一特征向量和所述第二特征向量构成覆冰厚度特征矢量集。
[0008]优选的，所述第二预测模块根据所述覆冰厚度特征、所述时间步长和所述覆冰厚度特征矢量集输出覆冰厚度预测数据，包括：所述第二预测模块根据所述第一覆冰厚度特征、所述时间步长和所述第一特征向量获得第一损失向量；所述第二预测模块根据所述第二覆冰厚度特征、所述时间步长和所述第二特征向量获得第二损失向量；对所述第一损失向量和第二损失向量进行点积，获得覆冰厚度预测数据。
[0009]优选的，所述获得第一损失向量，采用以下公式得到：
[0010][0011]其中，为第一损失向量，K为迭代次数，w
k
为降维线性函数，为第一覆冰厚度特征，T为时间步长，和为第一特征向量中的子向量，N为输入自监督学习模块的覆冰厚度特征的总集，n为N中的一个元素，t为覆冰厚度特征对应的时间，k为自监督学习模块学习过程收敛时对应的覆冰厚度特征数量。
[0012]优选的，所述自监督学习模块根据所述覆冰厚度特征获得覆冰厚度特征矢量集，包括：所述自监督学习模块预设多头注意力机制和多层感知机；所述自监督学习模块对所述覆冰厚度特征进行线性投影，将覆冰厚度特征中的高维度向量进行降维，获得低维度向量；所述低维度向量经过多头注意力机制和多层感知机的预测，获得覆冰厚度特征矢量集。
[0013]本专利技术第二实施例的具体技术方案为：一种输电线路覆冰预测方法，所述方法包括：获取待预测样本数据；将所述待预测样本数据输入至输电线路覆冰预测模型，其中，所述输电线路覆冰预测模型通过如第一实施例中任一项所述的输电线路覆冰预测模型的训练方法得到；获取所述输电线路覆冰预测模型输出的所述待预测样本的目标覆冰厚度预测数据。
[0014]本专利技术第三实施例的具体技术方案为：一种输电线路覆冰预测模型的训练装置，其特征在于，所述输电线路覆冰预测模型包括特征提取模块、第一预测模块、自监督学习模块和第二预测模块，所述特征提取模块分别与所述第一预测模块、所述自监督学习模块和所述第二预测模块连接，所述第一预测模块还与所述第二预测模块连接，所述自监督学习模块还与所述第二预测模块连接；所述特征提取模块用于提取输入至所述输电线路覆冰预警模型的样本数据的覆冰厚度特征；所述第一预测模块用于根据所述覆冰厚度特征预测输
电线路覆冰预警模型的时间步长；所述自监督学习模块用于根据所述覆冰厚度特征获得覆冰厚度特征矢量集；所述第二预测模块用于根据所述覆冰厚度特征、所述时间步长和所述覆冰厚度特征矢量集输出覆冰厚度预测数据；所述训练装置包括：数据获取模块，用于获取训练数据；训练模块，用于利用所述训练数据对所述输电线路覆冰预测模型进行迭代训练，直至输电线路覆冰预测模型的预测准确率大于或等于所述预设准确率时，结束训练。
[0015]本专利技术第四实施例的具体技术方案为：一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如第一实施例中任一项或第二实施例中所述的方法中的各个步骤。
[0016]实施本专利技术实施例，将具有如下有益效果：
[0017]本申请实施例提供的输电线路覆冰预测模型的训练方法及使用该输电线路覆冰预测模型进行输电线路覆冰预测的方法，其中，输电线路覆冰预测模型包括特征提取模块、第一预测模块、自监督学习模块和第二预测模块，特征提取模块分别与第一预测模块、自监督学习模块和第二预测模块连接，第一预测模块还与第二预测模块连接，自监督学习模块还与第二预测模块连接；特征提取模块用于提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输电线路覆冰预测模型的训练方法，其特征在于，所述输电线路覆冰预测模型包括特征提取模块、第一预测模块、自监督学习模块和第二预测模块，所述特征提取模块分别与所述第一预测模块、所述自监督学习模块和所述第二预测模块连接，所述第一预测模块还与所述第二预测模块连接，所述自监督学习模块还与所述第二预测模块连接；所述特征提取模块用于提取输入至所述输电线路覆冰预警模型的样本数据的覆冰厚度特征；所述第一预测模块用于根据所述覆冰厚度特征预测输电线路覆冰预警模型的时间步长；所述自监督学习模块用于根据所述覆冰厚度特征获得覆冰厚度特征矢量集；所述第二预测模块用于根据所述覆冰厚度特征、所述时间步长和所述覆冰厚度特征矢量集输出覆冰厚度预测数据；所述训练方法包括：获取样本数据，利用样本数据训练所述输电线路覆冰预测模型，获得覆冰厚度预测数据；根据所述覆冰厚度预测数据与样本数据的实际覆冰厚度获得输电线路覆冰预测模型的预测准确率；当预测准确率低于预设准确率时，利用样本数据迭代训练所述输电线路覆冰预测模型，直至预测准确率大于或等于所述预设准确率时，结束训练。2.如权利要求1所述的输电线路覆冰预测模型的训练方法，其特征在于，所述利用样本数据训练所述输电线路覆冰预测模型，获得覆冰厚度预测数据，包括：所述特征提取模块预设特征提取编码器；所述特征提取模块对样本数据中的强数据进行数据增强，获得第一数据波动图；所述强数据为波动幅度超过预设波动幅度的样本数据；所述特征提取模块对样本数据中的弱数据进行数据增强，获得第二数据波动图；所述弱数据为波动幅度不超过预设波动幅度的样本数据；利用特征提取编码器提取第一数据波动图中的覆冰厚度特征，获得第一覆冰厚度特征；利用特征提取编码器提取第二数据波动图中的覆冰厚度特征，获得第二覆冰厚度特征；所述第一覆冰厚度特征和所述第二覆冰厚度特征构成覆冰厚度特征；所述第一预测模块根据所述覆冰厚度特征预测输电线路覆冰预警模型的时间步长；所述自监督学习模块根据所述覆冰厚度特征获得覆冰厚度特征矢量集；所述第二预测模块根据所述覆冰厚度特征、所述时间步长和所述覆冰厚度特征矢量集输出覆冰厚度预测数据。3.如权利要求2所述的输电线路覆冰预测模型的训练方法，其特征在于，所述第一预测模块根据所述覆冰厚度特征预测输电线路覆冰预警模型的时间步长，包括：所述第一预测模块对所述第一覆冰厚度特征与所述第二覆冰厚度特征进行视图交叉验证预测输电线路覆冰预警模型的时间步长。4.如权利要求2所述的输电线路覆冰预测模型的训练方法，其特征在于，所述自监督学习模块根据所述覆冰厚度特征获得覆冰厚度特征矢量集，包括：
所述自监督学习模块对所述第一覆冰厚度特征进行线性投影和时间序列交叉验证获得第一特征向量；所述自监督学习模块对所述第二覆冰厚度特征进行线性投影和时间序列交叉验证获得第二特征向量；所述第一特征向量和所述第二特征向量构成覆冰厚度特征矢量集。5.如权利要求4所述的输电线路覆冰预测模型的训练方...

【专利技术属性】
技术研发人员：周仿荣，潘浩，马仪，文刚，钱国超，马御棠，谭向宇，曹俊，耿浩，王国芳，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
类型：发明
国别省市：