【技术实现步骤摘要】
本申请涉及覆冰厚度反演，更具体地说，是涉及一种输电线路覆冰厚度快速反演方法、装置及相关设备。
技术介绍
1、输电线路处于安全的工作状态是能其提供良好服务的重要保证，是通信系统能安全运行的必要条件，而输电线路覆冰则是影响其稳定工作的重要因素之一。输电线路覆冰可能会导致负荷过大、覆冰舞动和脱冰跳跃、绝缘子串冰闪，造成输电塔变形、倒塌、导线断股等事故。因此，研究导线的覆冰厚度十分重要，随着神经网络技术的发展，借助深度学习模型预测覆冰厚度成为一种潜在可行方案，一方面，可以在恶劣天气下对输电线路的覆冰情况进行预测，达到实时监测的目的；另一方面，可以对未来的输电线路覆冰厚度进行预测。
2、输电线路覆冰监测技术最早运用于2006年2月山西省神原ⅰ线，最近10年这一技术才开始大规模运用，在此之前的覆冰数据一般是缺失的，覆冰厚度数据极其有限。而气象监测数据时间一般均比较久，如气象观测网早在1950年就开始搭建，可以找到1951年至今的气象数据，气象数据十分丰富。导致能收集到的数据中，气象数据远远多于覆冰厚度数据。而在覆冰深度学习模型中，需要大量的数据作为支撑进行训练，现有的覆冰厚度数据远远不够。
技术实现思路
1、有鉴于此，本申请提供了一种输电线路覆冰厚度快速反演方法、装置及相关设备，以克服至少一个上面提出的技术缺陷。
2、为实现上述目的，本申请第一方面提供了一种输电线路覆冰厚度快速反演方法，包括：
3、获取输电线路所在地的气象数据，所述气象数据中的各目标气象因素
4、将所述气象数据输入至训练后的快速反演模型，得到覆冰厚度反演值；
5、所述快速反演模型为以气象监测数据为训练样本，以覆冰厚度数据为样本标签训练得到的，所述覆冰厚度数据包括覆冰厚度监测数据以及通过数值仿真计算得到的覆冰厚度模拟数据。
6、优选地，通过数值仿真计算得到覆冰厚度模拟数据的过程，包括：
7、建立对应于输电线路的导线模型，建立流体域，并设置流场边界条件；
8、基于所述导线模型、所述流体域以及流场边界条件，利用流体仿真软件对输入的气象监测数据进行仿真运算，得到覆冰厚度模拟数据。
9、优选地，经过关联分析后确定各目标气象因素的过程，包括：
10、基于气象监测数据以及覆冰厚度监测数据，计算每一气象因素与覆冰厚度监测值的关联程度，并将关联程度最高的若干气象因素确定为目标气象因素。
11、优选地，计算每一气象因素与覆冰厚度监测值的关联程度的过程，包括：
12、利用下述公式计算得到气象因素与覆冰厚度监测值的关联程度：
13、
14、其中，x0(k)表示时间段j的覆冰厚度监测值，\表示分辨系数，xi(k)表示第i个气象因素在时间段k的观测值，表示第i个气象因素与覆冰厚度监测值的关联程度。
15、优选地，各目标气象因素包括风向、风速、相对湿度、温度、降雨量、气压和/或能见度。
16、优选地，所述快速反演模型采用了gap算法来优化训练，采用gap算法来优化训练的过程包括：
17、采用gap算法双向执行各层的增长-修剪步骤，得到每层滤波器的数量；
18、采用标准bp算法调整各滤波器的权重。
19、优选地，获取训练集的过程，包括：
20、获取气象监测数据和覆冰厚度数据；
21、对所述气象监测数据和所述覆冰厚度数据进行数据清洗、数据补全以及标准化处理。
22、本申请第二方面提供了一种输电线路覆冰厚度快速反演装置，包括：
23、数据获取单元，用于单获取输电线路所在地的气象数据，所述气象数据中的各目标气象因素为预先经过关联分析后确定的，所述气象数据包括气象监测数据和/或气象预测数据；
24、覆冰反演单元，用于将所述气象数据输入至训练后的快速反演模型，得到覆冰厚度反演值；
25、所述快速反演模型为以气象监测数据、覆冰厚度数据作为训练集，以半监督学习的方式训练得到的，所述覆冰厚度数据包括覆冰厚度监测数据以及通过数值仿真计算得到的覆冰厚度模拟数据。
26、本申请第三方面提供了一种输电线路覆冰厚度快速反演设备，包括：存储器和处理器；
27、所述存储器，用于存储程序；
28、所述处理器，用于执行所述程序，实现上述的输电线路覆冰厚度快速反演方法的各个步骤。
29、本申请第四方面提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述的输电线路覆冰厚度快速反演方法的各个步骤。
30、经由上述的技术方案可知，本申请首先获取输电线路所在地的气象数据，其中，所述气象数据中的各目标气象因素为预先经过关联分析后确定的，所述气象数据包括气象监测数据和气象预测数据中的至少一种。然后，将所述气象数据输入至训练后的快速反演模型，得到覆冰厚度反演值。其中，所述快速反演模型为以气象监测数据、覆冰厚度数据作为训练集，以半监督学习的方式训练得到的，所述覆冰厚度数据包括覆冰厚度监测数据以及通过数值仿真计算得到的覆冰厚度模拟数据。通过数值仿真计算得到丰富的覆冰厚度模拟数据，解决了覆冰厚度数据不足的问题，满足了深度学习高精度的训练要求，提高了快速反演模型的泛化能力，进一步地，利用所述训练后的快速反演模型在恶劣天气下利用气象监测数据对输电线路的覆冰情况进行预测，或者，利用气象预测数据对未来的输电线路覆冰厚度进行预测，均可以达到较高的准确性。
本文档来自技高网...【技术保护点】
1.一种输电线路覆冰厚度快速反演方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，数值仿真计算得到覆冰厚度模拟数据的过程，包括：
3.根据权利要求1所述的方法，其特征在于，经过关联分析后确定各目标气象因素的过程，包括：
4.根据权利要求3所述的方法，其特征在于，计算每一气象因素与覆冰厚度监测值的关联程度的过程，包括：
5.根据权利要求1所述的方法，其特征在于，各目标气象因素包括风向、风速、相对湿度、温度、降雨量、气压和/或能见度。
6.根据权利要求1所述的方法，其特征在于，所述快速反演模型采用了GAP算法来优化训练，采用GAP算法来优化训练的过程包括：
7.根据权利要求1所述的方法，其特征在于，获取训练集的过程，包括：
8.一种输电线路覆冰厚度快速反演装置，其特征在于，包括：
9.一种输电线路覆冰厚度快速反演设备，其特征在于，包括：存储器和处理器；
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1～7中任
...【技术特征摘要】
1.一种输电线路覆冰厚度快速反演方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，数值仿真计算得到覆冰厚度模拟数据的过程，包括：
3.根据权利要求1所述的方法，其特征在于，经过关联分析后确定各目标气象因素的过程，包括：
4.根据权利要求3所述的方法，其特征在于，计算每一气象因素与覆冰厚度监测值的关联程度的过程，包括：
5.根据权利要求1所述的方法，其特征在于，各目标气象因素包括风向、风速、相对湿度、温度、降雨量、气压和/或能见度。
6.根据...
【专利技术属性】
技术研发人员：吴瑀，郑书毅，李义，朱登杰，李昊，龚博，吴建蓉，郑晓虎，姜继彬，刘庆，张啟黎，黄欢，吴寿长，胡荣俊，杨旗，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。