System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及输电线路覆冰智能的,具体为一种覆冰类型识别与预测的微气象数据驱动方法及系统。
技术介绍
1、严重覆冰会导致输电线路机械和电气性能急剧下降,引起绝缘子闪络、导线脱冰跳跃、线路跳闸、断线、倒塔和通信中断等事故。输电线路发生冰害事故时,气候恶劣,冰雪封山,交通受阻,通讯中断,抢修困难,常常造成长时间大面积停电,带来巨大的经济损失和严重的社会影响。已有的架空输电线路覆冰监测预警系统多年来累积了大量覆冰监测数据,但仍无法为覆冰状态掌控、覆冰趋势预警、风险应急处置和人工融冰决策提供更可靠的参考。针对覆冰数据利用率低、覆冰系统无法直接监测覆冰类型和自动获取覆冰过程等问题,为实现覆冰类型识别的智能化,向电网融冰决策和冰灾抢险提供依据,本文提出了一种基于连续三天微气象数据的输电线路覆冰类型预测的方法,实现对输电线路覆冰类型的自动识别与预测。
技术实现思路
1、鉴于上述存在的问题,提出了本专利技术。
2、因此,本专利技术解决的技术问题是:本专利技术旨在解决如何准确预测输电线路上的覆冰类型并及时发出预警,以减少覆冰带来的潜在风险和损害。
3、为解决上述技术问题,本专利技术提供如下技术方案:一种覆冰类型识别与预测的微气象数据驱动方法,其包括如下步骤,
4、收集输电线路覆冰类型和覆冰微气象数据,构建覆冰数据集;对覆冰数据集进行预处理,通过smote技术平衡数据;构建knn预测模型,根据连续三天的微气象数据对第三天的覆冰类型进行预测,计算预测的准确度,将预测结
5、作为本专利技术所述的一种覆冰类型识别与预测的微气象数据驱动方法的一种优选方案,其中:所述构建覆冰数据集包括,基于相同的数据采集时间和覆冰终端号,将输电线路同时刻同终端的覆冰类型数据与微气象数据进行关联,构建覆冰类型数据集。
6、作为本专利技术所述的一种覆冰类型识别与预测的微气象数据驱动方法的一种优选方案,其中:所述对覆冰数据集进行预处理包括,处理数据集的缺失值和异常值,包括删除缺失温度值的数据、湿度值缺失用湿度最大值进行填充、风速值缺失用风速最小值进行填充、删除连续三天最低温度均大于0的数据、湿度值超过100替换为100,得到预处理后的覆冰类型数据集。
7、作为本专利技术所述的一种覆冰类型识别与预测的微气象数据驱动方法的一种优选方案,其中:所述通过smote技术平衡数据包括,识别数据集中的少数类别,从少数类别中随机选择一个样本点,在少数类别的样本中,找到选择的样本点的k个最近邻居,根据每个最近邻居,生成新的样本点,将生成的合成样本添加到原始数据集中,得到平衡后的数据集。
8、作为本专利技术所述的一种覆冰类型识别与预测的微气象数据驱动方法的一种优选方案,其中:所述第三天的覆冰类型进行预测包括,根据平衡后的数据集构建k个覆冰类型数据集,将k个覆冰类型数据集划分为80%的训练集和20%的测试集,计算每个训练样本xi和待测样本yj的距离dis(xi,yj),表示为,
9、xi=(x1,x2,…xn-1,xn),i=1,2,3,…,m
10、yj=(y1,y2,…yn-1,yn),j=1,2,3,…,n
11、
12、其中m表示训练样本数,n表示测试样本数,n表示样本点特征值数。
13、选取距离最小的训练样本点,确定频率,选择识别效果最好时的值作为最近临近点数,将训练样本点中频率最高的类别作为测试样本的预测类型并输出。
14、对最近的临近点数进行覆冰类型预测,所述覆冰类型预测包括霜冻事件预测,透明冰事件预测,混合冰事件预测以及软冰事件预测。
15、所述霜冻事件预测表示为,
16、
17、所述透明冰事件预测表示为,
18、c=β1×e-|t-0|+β2×p×t
19、所述混合冰事件预测表示为,
20、m=γ1×|t-0|2+γ2×p×w
21、所述软冰事件预测表示为,
22、s=δ1×t2+δ2×h
23、其中,r表示霜冻事件发生得分,c表示透明冰事件发生得分,m表示混合冰事件发生得分,s表示软冰事件发生得分,α1、α2、α3、β1、β2、γ1、γ2、δ1、δ2表示权重,t表示温度、h表示湿度、w表示风速、p表示降雨量。
24、比较四种覆冰类型的得分,得分最高的覆冰类型为预测的覆冰类型。
25、对于每个预测,计算置信区间,表明预测值的范围。
26、作为本专利技术所述的一种覆冰类型识别与预测的微气象数据驱动方法的一种优选方案,其中:所述计算置信区间,表明预测值的范围包括,根据不同的覆冰类型,计算不同的置信区间,根据不同的覆冰类型设定不同的预警级别。
27、若预测的覆冰类型为霜冻时,且霜降的置信区间超过一级阈值时,则触发警戒状态,若预测的覆冰类型为霜冻时,且霜降的置信区间超过二级阈值时,则触发警报状态,若预测的覆冰类型为霜冻时,且霜降的置信区间超过三级阈值时,则触发紧急状态。
28、若预测的覆冰类型为透明冰时,且透明冰的置信区间超过一级阈值时触发注意状态,超过二级阈值则触发警觉状态,超过三级阈值则触发危险状态。
29、若预测的覆冰类型为混合冰时,且混合冰的置信区间超过一级阈值时触发预备状态,超过二级阈值则触发准备状态,超过三级阈值则触发紧迫状态。
30、若预测的覆冰类型为软冰时,且软冰的置信区间超过一级阈值时触发轻微警示,若超过二级阈值,则触发显著警示,若超过三级阈值,则触发严重警示。
31、当霜冻的置信区间超过一级阈值时,则增加输电线路的巡检频率,当霜冻的置信区间超过二级阈值时,则增加对输电线路的巡检频率,对易受影响的输电设备进行预热处理,当霜冻的置信区间超过三级阈值时,则立即启动除冰作业,关闭高风险区域的输电线路,启用备用电源系统。
32、当透明冰的置信区间超过一级阈值时,则对关键输电线路进行视觉检查,当透明冰的置信区间大于一级阈值小于二级阈值时,则对关键节点部署除冰设备和人员,当透明冰的置信区间大于二级阈值时,则立即启动输电线路和关键设施的除冰作业。
33、当混合冰的置信区间超过一级阈值时,加强对关键区域的气象监测,当混合冰的置信区间超过二级阈值时,则对所有输电线路进行全面检查,当混合冰的置信区间超过三级阈值时,则立即启动紧急除冰措施,关闭受影响区域的输电线路。
34、当软冰的置信区间超过一级阈值时,则执行常规巡检,关注潜在的覆冰区域,当软冰的置信区间超过二级阈值时,则在关键输电线路上暗转自动加热系统,当软冰的置信区间超过三级阈值时,则启动全面的除冰作业。
35、作为本专利技术所述的一种覆冰类型识别与预测的微气象数据驱动方法的一种优选方案,其中:所述计算预测的准确度包括,根据不同覆冰类型计算精确率p、召回率r和精确率a判断置信区间是否准确。
3本文档来自技高网...
【技术保护点】
1.一种覆冰类型识别与预测的微气象数据驱动方法,其特征在于,包括:
2.如权利要求1所述的一种覆冰类型识别与预测的微气象数据驱动方法,其特征在于:所述构建覆冰数据集包括,基于相同的数据采集时间和覆冰终端号,将输电线路同时刻同终端的覆冰类型数据与微气象数据进行关联,构建覆冰类型数据集。
3.如权利要求2所述的一种覆冰类型识别与预测的微气象数据驱动方法,其特征在于:所述对覆冰数据集进行预处理包括,处理数据集的缺失值和异常值,包括删除缺失温度值的数据、湿度值缺失用湿度最大值进行填充、风速值缺失用风速最小值进行填充、删除连续三天最低温度均大于0的数据、湿度值超过100替换为100,得到预处理后的覆冰类型数据集。
4.如权利要求3所述的一种覆冰类型识别与预测的微气象数据驱动方法,其特征在于:所述通过SMOTE技术平衡数据包括,识别数据集中的少数类别,从少数类别中随机选择一个样本点,在少数类别的样本中,找到选择的样本点的K个最近邻居,根据每个最近邻居,生成新的样本点,将生成的合成样本添加到原始数据集中,得到平衡后的数据集。
5.如权利要求4所述
6.如权利要求5所述的一种覆冰类型识别与预测的微气象数据驱动方法,其特征在于:所述计算置信区间,表明预测值的范围包括,根据不同的覆冰类型,计算不同的置信区间,根据不同的覆冰类型设定不同的预警级别;
7.如权利要求6所述的一种覆冰类型识别与预测的微气象数据驱动方法,其特征在于:所述计算预测的准确度包括,根据不同覆冰类型计算精确率P、召回率R和精确率A判断置信区间是否准确;
8.一种采用如权利要求1~7任一所述的一种覆冰类型识别与预测的微气象数据驱动方法的系统,其特征在于:包括数据收集与预处理模块、数据平衡与增强模块以及预警与决策支持模块;
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的一种覆冰类型识别与预测的微气象数据驱动方法的步骤。
10.一种计算机可读存储介质,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权利要求1至7中任一项所述一种覆冰类型识别与预测的微气象数据驱动方法的步骤。
...【技术特征摘要】
1.一种覆冰类型识别与预测的微气象数据驱动方法,其特征在于,包括:
2.如权利要求1所述的一种覆冰类型识别与预测的微气象数据驱动方法,其特征在于:所述构建覆冰数据集包括,基于相同的数据采集时间和覆冰终端号,将输电线路同时刻同终端的覆冰类型数据与微气象数据进行关联,构建覆冰类型数据集。
3.如权利要求2所述的一种覆冰类型识别与预测的微气象数据驱动方法,其特征在于:所述对覆冰数据集进行预处理包括,处理数据集的缺失值和异常值,包括删除缺失温度值的数据、湿度值缺失用湿度最大值进行填充、风速值缺失用风速最小值进行填充、删除连续三天最低温度均大于0的数据、湿度值超过100替换为100,得到预处理后的覆冰类型数据集。
4.如权利要求3所述的一种覆冰类型识别与预测的微气象数据驱动方法,其特征在于:所述通过smote技术平衡数据包括,识别数据集中的少数类别,从少数类别中随机选择一个样本点,在少数类别的样本中,找到选择的样本点的k个最近邻居,根据每个最近邻居,生成新的样本点,将生成的合成样本添加到原始数据集中,得到平衡后的数据集。
5.如权利要求4所述的一种覆冰类型识别与预测的微气象数据驱动方法,其特征在于:所述第三天的覆冰类型进行预测包括,根据平衡后的数据集构建k个覆...
【专利技术属性】
技术研发人员:黄欢,郝艳捧,吴建蓉,王雅萱,毛先胤,王信媛,曾华荣,钟尧,张迅,彭赤,张义钊,杨旗,陈沛龙,杜昊,牛唯,时磊,杨涛,邹雕,吕乾勇,范强,张啟黎,杨柳青,张露松,吴瑀,
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。