一种基于人工智能的防直击雷的布置设计方法技术

本发明专利技术涉及一种基于人工智能的防直击雷的布置设计方法，具体涉及电力系统安全领域，通过分析大量的雷电活动数据和升压站数据集，能够学习和挖掘隐藏的规律，并进行准确的雷电风险预测，根据实时监测数据和模型预测结果，自动进行布置方案的评估和调整，使得决策者可以更准确

【技术实现步骤摘要】
一种基于人工智能的防直击雷的布置设计方法


[0001]本专利技术涉及电力系统安全领域，更具体地说，本专利技术涉及一种基于人工智能的防直击雷的布置设计方法
。

技术介绍

[0002]直击雷是一种自然灾害，会对人类和设备造成巨大的破坏和损失，雷电活动是产生直击雷的主要原因，因此在防直击雷的布置设计中，必须考虑对雷电活动的监测和预测，近年来，人工智能技术在雷电活动的监测和预测中得到越来越广泛的应用
。
[0003]传统的防直击雷方法主要靠物理隔离以及引导雷电去地，无法对雷电活动进行有效的监测和预测，不同形式的雷电危害传统的防护方法往往无法适应这些新情况
。
[0004]通过分析大量的雷电活动数据和升压站数据集，能够学习和挖掘隐藏的规律，并进行准确的雷电风险预测，通过自动化算法搜索最优解，降低布置方案的成本，基于神经网络和蒙特卡洛树的自学习算法，通过不断的模型训练和迭代，提高模型的准确性和适应性
。

技术实现思路

[0005]本专利技术针对现有技术中存在的技术问题，提供一种基于人工智能的防本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的防直击雷的布置设计方法，其特征在于，具体包括以下步骤：
S101
：利用雷达系统结合互联网气象局的天气数据收集雷电活动数据，通过升压站技术手册收集并记录升压站所需的设备类型
、
数量以及设备之间的连接关系，并利用归一化将雷电活动数据和升压站数据缩小到指定范围；
S102
：提取雷电活动数据和升压站数据集的时间特征和文本特征，利用皮尔逊相关系数计算特征与目标变量之间的统计相关性，利用决策算法分析雷电活动数据和升压站数据集的特征，用于建立模型参考自适应控制；
S103
：利用折线法基于电场强度和雷电流的分布规律绘制等电位线和等雷电流线获取直击雷击距离，并通过滚球法确定直击雷击距离；
S104
：调用升压站数据集同时引入电力网络拓扑
、
设备功率和容量信息，通过神经网络模型预测升压站的三维布置，利用蒙特卡洛树对神经网络进行更新和优化，用于神经网络逐渐学习到更优的布置策略
。2.
根据权利要求1所述的一种基于人工智能的防直击雷的布置设计方法，其特征在于：所述
S101
中，利用雷达系统结合互联网气象局的天气数据收集雷电活动数据，包括雷电频率
、
路径以及强度信息，利用多个接收站组成闪电定位系统，用于多个接收站的雷电时间差确定雷电位置，利用地理信息系统获取升压站场地地形数据，包括高程
、
坡度
、
坡向信息，通过升压站技术手册收集并记录升压站所需的设备类型
、
数量以及设备之间的连接关系，包括电缆的布线和连接方式，并将关于升压站相关数据整合成升压站数据集，利用创建列检查数据中的错误值，其中对于雷电活动数据以及升压站数据集，检查数据是否超出合理范围，对于升压站数据集，检查数据是否存在错误以及不一致的信息，并准备预备数据项，利用预备数据项填充缺失值
。3.
根据权利要求1所述的一种基于人工智能的防直击雷的布置设计方法，其特征在于：所述
S101
中，利用最小
‑
最大归一化将雷电活动数据和升压站数据集缩小到指定范围，并映射到相同尺度，所述最小
‑
最大归一化公式为：其中
Z
表示归一化后的雷电活动数据和升压站数据集的数据，
x
表示原始雷电活动数据和升压站数据集的数据，
x
min
表示原始雷电活动数据和升压站数据集的数据的最小值，
x
max
表示雷电活动数据和升压站数据集的数据的最大值
。4.
根据权利要求1所述的一种基于人工智能的防直击雷的布置设计方法，其特征在于：所述
S102
中，创建时间窗口，并在时间窗口内输入原始雷电活动数据和升压站数据集，用于提取时序时间特征，将升压站数据集中文本数据转化成一个向量，每一个文本被表示为一个向量，向量元素表示升压站数据集中一个词出现的次数和频率，用于提取文本特征，利用线性判别分析将雷电活动数据和升压站数据集的数据投影到一个低维空间，用于同一类别的样本尽可能接近，不同类别的样本尽可能分开，基于特征与目标变量之间的相关性进行特征选择，利用皮尔逊相关系数计算特征与目标变量之间的统计相关性，并选择与目标变量相关性最高的特征，所述皮尔逊相关系数具体公式为：
其中表示雷电活动数据和升压站数据集的数据均值，
X
i
、Y
i
表示
X
和
Y
的第
i
个观测值，
X、Y
表示两个雷电活动数据和升压站数据集的数据变量，利用决策算法分析雷电活动数据和升压站数据集的特征，根据输入数据特征比较各种雷电活动数据，所述决策算法应用随机森林算法，其具体步骤通过构建一个树状结构，利用内部节点代表特征及叶节点代表决策结果构建决策树，通过随机选择特征和样本构建多个决策树并交汇结果，得出最可能的雷电路径选择，建立模型参考自适应控制，通过比较参考模型的输出信号与实际系统的输出信号之间的误差实时调整控制器参数，其具体公式为：的输出信号之间的误差实时调整控制器参数，其具体公式为：的输出信号之间的误差实时调整控制器参数，其具体公式为：其中
y
ref
(k)
表示参考模型的输出，
a
i
、b
i
分别表示参考模型和系统模型的系数，
y(k)
表示实际系统的输出，
u(k)
表示控制器的输出，
e(k)...

【专利技术属性】
技术研发人员：张新奇，刘忠丽，朱晓燕，李良，赵艳，
申请(专利权)人：上海能源科技发展有限公司，
类型：发明
国别省市：