【技术实现步骤摘要】
本专利技术属于架空线路动态增容的研究领域，具体涉及一种架空线路载流量短期条件概率预测方法。
技术介绍
1、架空线路的载流量与其周围气象状况密切相关。传统上，架空线路载流量是由保守气象边界条件计算得到的静态值，这导致我国电网的输电能力受到严重制约，进而造成用电高峰期的电力短缺问题日益凸显。为解决该问题，可新建架空线路，但该方法耗时长、投资大，且受线路走廊资源的限制。现有研究表明，基于动态载流量的增容技术能够在不改变现有电网结构的基础上，根据架空线路周围气象状况动态计算其载流量，继而实现架空线路输电潜力的深入挖掘。目前，该技术尚有不少问题待解决，其中架空线路载流量的准确短期预测是安全稳定实现该技术的关键。
2、现有架空线路动态载流量的预测方法如下：
3、1)中国专利“一种架空线路动态载流能力超前预测方法及系统”(申请号：201910516985.6)。该专利首先采用注意力机制循环神经网络对未来时刻架空线路的气象参数进行点值预测，而后结合热平衡方程计算得到架空线路载流量的点值预测结果。
4、2)中国专利“一种输电线路载流量的校核方法”(申请号：202110140135.8)。该专利技术采用训练好的xgboost模型预测架空线路周围的气象参数，而后将其作为动态边界条件求解得到了架空线路动态载流量的点值预测结果。然而，由于气象参数的随机波动，造成架空线路载流量的随机性较大，继而导致该方法难以达到理想预测精度。此外，架空线路载流量的点预测结果提供信息有限，难以为调度部门决策电力系统需要的旋转备用提供有效参
5、3)为更好描述架空线路载流量的不确定性信息，中国专利“一种基于分位数回归的架空线路动态热定值概率分布预测方法”(申请号：201610196189.5)将下一时刻架空线路载流量的不确定性影响因素及历史载流量作为输入，建立了一种基于分位数回归的载流量概率预测模型。然而，分位数回归算法只能求解特定分位数的预测值，而无法连续描述架空线路载流量的预测概率分布信息。
6、综上所述，目前尚无预测架空线路载流量的可靠与实用方法。
技术实现思路
1、本专利技术提供一种架空线路载流量短期条件概率预测方法，该方法能够为架空线路动态增容技术的安全稳定实现奠定重要理论基础，进而缓解因架空线路输电能力受限而引起的电力短缺等问题。此外，相较于传统架空线路载流量的概率预测方法，本专利技术所提方法可实现载流量预测概率区间的较低保守性获取，对架空线路的安全性运行、智能化运维等方面具有重要意义。
2、本专利技术采取的技术方案为：
3、一种架空线路载流量短期条件概率预测方法，包括以下步骤：
4、步骤一：收集并预处理架空线路的历史微气象数据；
5、步骤二：基于历史微气象数据，再结合导线热平衡方程计算架空线路的历史载流量；
6、步骤三：基于径向基神经网络生成架空线路载流量的预测误差数据；
7、步骤四：确定架空线路载流量预测误差的分类条件；
8、步骤五：基于sklar定理及其动态copula函数，构建架空线路载流量预测误差的条件分布函数；
9、步骤六：求解架空线路载流量预测误差的条件分布函数；
10、步骤七：输出未来时刻架空线路载流量的条件概率预测区间。
11、所述步骤一中，历史微气象数据包括风速、环境温度和日照强度。
12、所述步骤一中，架空线路历史微气象数据的预处理内容包括：异常值剔除、缺失值填补；
13、其中，异常值剔除的依据是“3σ原则”：超出[μ-3σ,μ+3σ]范围的数值被认定为异常值，μ为历史微气象数据的均值，σ为历史微气象数据的标准差，两者的计算式分别为：
14、
15、式中，μ为某气象参数的均值，气象参数可以为风速、环境温度或日照强度；i为第i个样本点；ui为第i个样本点的数值；n为该气象参数的数据个数。
16、
17、式中，σ为某气象参数的标准差，气象参数可以为风速、环境温度或日照强度。
18、此外，缺失值填补的方法为线性插值法。假设某气象参数第a、b样本点的数值ua、ub已知，气象参数可以为风速、环境温度或日照强度，而需要填补的是第c个样本点，则线性插值的计算式为：
19、
20、式中，uc为需要填补的数值，c为第c个样本点。
21、所述步骤二中，导线热平衡方程的计算式为：
22、qc+qr＝qs+i2r(tc) (4)；
23、式中，qc、qr、qs分别为导线空气对流散热、导线辐射散热、导线日照吸热；i为导线的输送电流；tc为导线温度；r(tc)为导线温度tc时的导线交流电阻值。
24、当导线温度的取值为最大允许温度tmax时，根据式(4)可推导出架空线路载流量的计算方程为：
25、
26、所述步骤三中，基于径向基神经网络生成架空线路载流量预测误差数据，包括以下步骤：s3.1:选取架空线路历史载流量的训练集数据，用于建立径向基神经网络(radialbasis functions neural network,rbfnn)的点值预测模型，rbfnn的结构如图6所示，数学计算式为：
27、
28、式中，y为线路载流量的预测值；j为隐藏层的第j个神经元；ωj为隐藏层第j个神经元到输出的权重；h为隐藏层的神经元总数；ξ为径向基函数；x为输入向量，x＝[x1,x2,x3,…,xl]，l为输入变量的总数；tj为第j个神经元的径向基函数中心，是一个l维向量。
29、s3.2:选取架空线路历史载流量的验证集数据，用于生成架空线路载流量的预测误差数据，具体如下：
30、首先通过rbfnn模型滚动预测架空线路的载流量，随着时刻t的不断变化，输入的历史载流量数据也将随之改变；而后计算线路载流量预测值和实际值的差值，即为预测误差，最终求解结果如图7、图8所示。
31、所述步骤四中，架空线路载流量预测误差的分类条件为载流量预测值。确定预测误差的分类条件，实际上是确定线路载流量预测精度的影响因素。当基于rbfnn预测架空线路载流量时，由于历史载流量数据的分布并不均匀，部分数值的出现频率较高，继而造成此类数值的预测精度相对更优，也即造成了不同载流量预测精度的差异性。基于此，可选取载流量预测值作为预测误差的分类条件。
32、所述步骤五中，构建的架空线路载流量预测误差的条件分布函数为：
33、
34、式(24)中，x、y0分别为架空线路载流量的预测误差和预测值；f1(x|y0)为载流量预测误差条件概率密度函数；f12(x,y0)为x与y0的联合概率密度函数；f1(x)、f2(y0)分别为x、y0的边缘分布概率密度函数；c(·)为copula密度函本文档来自技高网...
【技术保护点】
1.一种架空线路载流量短期条件概率预测方法，其特征在于包括以下步骤：
2.根据权利要求1所述一种架空线路载流量短期条件概率预测方法，其特征在于：所述步骤一中，历史微气象数据包括风速、环境温度和日照强度。
3.根据权利要求2所述一种架空线路载流量短期条件概率预测方法，其特征在于：所述步骤一中，架空线路历史微气象数据的预处理内容包括：异常值剔除、缺失值填补；
4.根据权利要求1所述一种架空线路载流量短期条件概率预测方法，其特征在于：所述步骤二中，导线热平衡方程的计算式为：
5.根据权利要求1所述一种架空线路载流量短期条件概率预测方法，其特征在于：所述步骤三中，基于径向基神经网络生成架空线路载流量预测误差数据，包括以下步骤：
6.根据权利要求1所述一种架空线路载流量短期条件概率预测方法，其特征在于：所述步骤四中，架空线路载流量预测误差的分类条件为载流量预测值。
7.根据权利要求1所述一种架空线路载流量短期条件概率预测方法，其特征在于：所述步骤五中，构建的架空线路载流量预测误差的条件分布函数为：
8.根据
9.根据权利要求1所述一种架空线路载流量短期条件概率预测方法，其特征在于：所述步骤七中，架空线路载流量在设定置信度1-α下的条件概率预测区间上下界[β2,β1]为：
...【技术特征摘要】
1.一种架空线路载流量短期条件概率预测方法，其特征在于包括以下步骤：
2.根据权利要求1所述一种架空线路载流量短期条件概率预测方法，其特征在于：所述步骤一中，历史微气象数据包括风速、环境温度和日照强度。
3.根据权利要求2所述一种架空线路载流量短期条件概率预测方法，其特征在于：所述步骤一中，架空线路历史微气象数据的预处理内容包括：异常值剔除、缺失值填补；
4.根据权利要求1所述一种架空线路载流量短期条件概率预测方法，其特征在于：所述步骤二中，导线热平衡方程的计算式为：
5.根据权利要求1所述一种架空线路载流量短期条件概率预测方法，其特征在于：所述步骤三中，基于径向基神经网络生成架空线路载流...
【专利技术属性】
技术研发人员：徐彬，刘任，唐波，李瀚儒，张滔，来永立，滕佳佳，黄紫维，张业伟，叶加乐，
申请(专利权)人：三峡大学，
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。