一种架空线路中长期载流量预测方法技术

本发明专利技术公开一种架空线路中长期载流量预测方法

【技术实现步骤摘要】
一种架空线路中长期载流量预测方法、系统、设备及介质


[0001]本专利技术涉及电力系统架空线路载流量预测
，特别涉及一种架空线路中长期载流量预测方法
、
系统
、
设备及介质
。

技术介绍

[0002]架空线路在输配电领域中有大量的应用
。
常规稳控系统过载定值基于环境温度
40℃、25℃
设定，没有考虑环境气象变化等对导线载流量的影响
。
常规气象条件下，定值设定过于保守导致稳控切机量过大；极端气象环境下，稳控切机量过小线路依然过载，可能引发线路跳闸或烧断等严重后果
。
线路的动态热定值与环境温度
、
风速
、
日照强度和导线自身温度等密切相关
。
气象数据参数主要影响导线的温度，弧垂会随着温度的升高而增大，当导线温度过高会使导线对地的绝缘距离减小，降低了输电线路的安全可靠性
。
此外，架空线路载流量过大或者过小，也会影响输电效率
。
载流量主要受气象因素和线路本身因素影响，气象因素主要包括了环境温度
、
风速和日照强度等，对架空导线的载流量会有直接的影响
。
实际运行中，未能利用实际气象条件去预测载流量，从而使得架空导线最大载流量过于保守，不利于电网的经济运行，也不利于合理评估架空导线的载流量
。

技术实现思路

[0003]本专利技术的目的是提供一种架空线路中长期载流量预测方法
、
系统
、
设备及介质，可根据架空线路所处的气象数据预测中长期的载流量，从而提高架空线路载流量预测的准确性
。
[0004]根据本专利技术实施例的一方面，提供了一种架空线路中长期载流量预测方法，包括：
[0005]对架空线路各个杆塔测量点在每个采集时刻的气象数据进行非线性回归处理，得到架空线路在每个采集时刻的气象数据；
[0006]根据架空线路在每个采集时刻的气象数据和相应的载流量，构建年度数据集；
[0007]利用粒子群算法优化极限学习机对所述年度数据集进行优化，得到多个中长期数据集，中长期为季节
、
月或周；
[0008]采用多个中长期数据集对
Prophet
模型进行训练，得到中长期载流量预测模型；
[0009]将经过粒子群算法优化极限学习机优化得到的待预测的中长期气象数据，输入所述中长期载流量预测模型，预测架空线路的中长期载流量
。
[0010]可选地，所述气象数据包括：风速
、
风向
、
气温和日照强度
。
[0011]可选地，非线性回归处理得到架空线路在每个采集时刻的气象数据为架空线路的最低气象数据，最低气象数据是：该条架空线路各个杆塔的气象数据非线性回归和气象数据合并之后，得到的能用来表示这整条架空线路在这个采集时刻的气象数据值，即整条架空线路在一个采集时刻对应一个气象数据值
。
[0012]可选地，构建年度数据集包括：将一个年度的架空线路在每个采集时刻的气象数据作为输入数据，架空线路在每个采集时刻的载流量作为输出数据
。
[0013]可选地，利用粒子群算法优化极限学习机对所述年度数据集进行优化得到多个春夏秋冬四季的中长期数据集分类
。
[0014]可选地，所述中长期载流量预测模型为：
[0015]y(t)
＝
g(t)+s(t)+h(t)+
ε
(t)
[0016]其中，
y(t)
为中长期载流量预测值；
g(t)
是趋势项，表示时间序列在非周期上面的变化趋势；
s(t)
表示周期项；
h(t)
表示节假日项；
ε
(t)
表示残余项；
t
表示时间
。
[0017]可选地，趋势项
g(t)
的模型包括非线性增长模型和线性增长模型
。
[0018]根据本专利技术实施例的另一方面，还提供了一种架空线路中长期载流量预测系统，包括：
[0019]采集模块，用于对架空线路各个杆塔测量点在每个采集时刻的气象数据进行非线性回归处理，得到架空线路在每个采集时刻的气象数据；
[0020]数据集构建模块，用于根据架空线路在每个采集时刻的气象数据和相应的载流量，构建年度数据集；
[0021]数据集优化模块，用于利用粒子群算法优化极限学习机对所述年度数据集进行优化，得到多个中长期数据集，中长期为季节
、
月或周；
[0022]训练模块，用于采用多个中长期数据集对
Prophet
模型进行训练，得到中长期载流量预测模型；
[0023]预测模块，用于将经过粒子群算法优化极限学习机优化得到的待预测的中长期气象数据，输入所述中长期载流量预测模型，预测架空线路的中长期载流量
。
[0024]根据本专利技术实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述任一项所述的架空线路中长期载流量预测方法
。
[0025]根据本专利技术实施例的另一方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述任一项所述的架空线路中长期载流量预测方法
。
[0026]与现有的技术相比，本专利技术具有如下有益效果：
[0027]本专利技术实施例中，首先对架空线路各个杆塔测量点在每个采集时刻的气象数据进行非线性回归，获得架空线路在每个采集时刻的气象数据，进而构建年度数据集，然后利用粒子群算法优化极限学习机对年度数据集进行优化，获得多个中长期数据集，采用多个中长期数据集对
Prophet
模型进行训练，获得中长期载流量预测模型，最后直接使用中长期载流量预测模型预测架空线路的中长期载流量
。
本专利技术通过对架空线路附近的风速
、
风向
、
气温
、
日照强度等气象数据进行分析和优化，利用粒子群算法优化极限学习机对数据集进行优化处理，再基于
Prophet
模型建立中长期预测，提高了架空线路载流量预测的准确性
。
附图说明
[0028]为了更清楚地说明本专利技术的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一个实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0029]图1为本专利技术实施例提供的一种架空线路中长期载流量预测方法的流程图；
[0030]图2为本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种架空线路中长期载流量预测方法，其特征在于，包括：对架空线路各个杆塔测量点在每个采集时刻的气象数据进行非线性回归处理，得到架空线路在每个采集时刻的气象数据；根据架空线路在每个采集时刻的气象数据和相应的载流量，构建年度数据集；利用粒子群算法优化极限学习机对所述年度数据集进行优化，得到多个中长期数据集，中长期为季节
、
月或周；采用多个中长期数据集对
Prophet
模型进行训练，得到中长期载流量预测模型；将经过粒子群算法优化极限学习机优化得到的待预测的中长期气象数据，输入所述中长期载流量预测模型，预测架空线路的中长期载流量
。2.
根据权利要求1所述的架空线路中长期载流量预测方法，其特征在于，所述气象数据包括：风速
、
风向
、
气温和日照强度
。3.
根据权利要求1所述的架空线路中长期载流量预测方法，其特征在于，非线性回归处理得到架空线路在每个采集时刻的气象数据为架空线路的最低气象数据，最低气象数据是：该条架空线路各个杆塔的气象数据非线性回归和气象数据合并之后，得到的能用来表示这整条架空线路在这个采集时刻的气象数据值，即整条架空线路在一个采集时刻对应一个气象数据值
。4.
根据权利要求1所述的架空线路中长期载流量预测方法，其特征在于，构建年度数据集包括：将一个年度的架空线路在每个采集时刻的气象数据作为输入数据，架空线路在每个采集时刻的载流量作为输出数据
。5.
根据权利要求1所述的架空线路中长期载流量预测方法，其特征在于，利用粒子群算法优化极限学习机对所述年度数据集进行优化得到多个春夏秋冬四季的中长期数据集分类
。6.
根据权利要求1所述的架空线路中长期载流量预测方法，其特征在于，所述中长期载流量预测模型为：
y(t)
＝
g(t)+s(t)...

【专利技术属性】
技术研发人员：王刚，汪昌元，李黎，孔祥云，孙志媛，李明珀，熊莉，
申请(专利权)人：广西电网有限责任公司，
类型：发明
国别省市：