一种小样本场景下物理知识引导的覆冰深度迁移预测方法技术

本发明专利技术公开了一种小样本场景下物理知识引导的覆冰深度迁移预测方法，包括：获取第一区域的小样本覆冰数据作为目标域，并获取第二区域的大样本覆冰数据作为源域；构建物理信息神经网络及其物理约束损失，利用源域训练物理信息神经网络，以预测输出覆冰厚度；将物理信息神经网络与自迁移学习融合，在物理知识引导下将源域的知识有效迁移到目标域中，通过迭代进行覆冰深度迁移，建立小样本场景下物理知识引导的覆冰深度迁移预测模型，对第一区域的覆冰厚度进行预测。本发明专利技术将物理知识嵌入迁移学习框架中，融合了物理信息神经网络与迁移学习，使用基于交叉熵的知识蒸馏损失，将教师模型中的物理知识迁移至学生模型中，以得到适应目标域的学生模型。

【技术实现步骤摘要】

本专利技术属于配电网，具体涉及一种小样本场景下物理知识引导的覆冰深度迁移预测方法。

技术介绍

1、近年来，随着气候变化的影响，极端天气事件的频率不断增加，导致覆冰事件频率上升，其对电力系统的影响也日益显著。例如，冻雨事件会严重威胁电力系统的可靠性，由此也凸显了提前对覆冰现象进行预测的紧迫性。

2、面对低频率但高影响的覆冰事件，覆冰样本和非覆冰样本的比例严重失衡，这导致传统的预测模型性能受到限制。因此，迫切需要开发适用于小样本场景的预测模型，以实现对覆冰事件的精确预测和评估。

3、然而，目前覆冰预测建模方法中，物理知识引导与数据模型驱动在小样本场景预测效果欠佳，未能有效利用有限的数据资源，并且忽略了覆冰事件的复杂性和多样性。

技术实现思路

1、本专利技术的目的在于，提供一种小样本场景下物理知识引导的覆冰深度迁移预测方法，在小样本场景下，利用先进的数据挖掘技术来挖掘潜在的数据关联性和规律性，具备高度的灵活性和鲁棒性，能够适应不同地区和不同气候条件下的覆冰情况。

<p>2、为实现上述目本文档来自技高网...

【技术保护点】

1.一种小样本场景下物理知识引导的覆冰深度迁移预测方法，其特征在于，该方法包括：

2.根据权利要求1所述的小样本场景下物理知识引导的覆冰深度迁移预测方法，其特征在于，该方法还包括：

3.根据权利要求1所述的小样本场景下物理知识引导的覆冰深度迁移预测方法，其特征在于，覆冰数据表示如下：

4.根据权利要求3所述的小样本场景下物理知识引导的覆冰深度迁移预测方法，其特征在于，特征变量包括气象数据类、力学因素类、线路数据类和覆冰因素类；其中，气象数据类包括温度、湿度和风向，力学因素类包括拉力、倾角和风偏角，线路数据类包括导线类型，覆冰因素类包括覆冰增长率。...

【技术特征摘要】

1.一种小样本场景下物理知识引导的覆冰深度迁移预测方法，其特征在于，该方法包括：

2.根据权利要求1所述的小样本场景下物理知识引导的覆冰深度迁移预测方法，其特征在于，该方法还包括：

3.根据权利要求1所述的小样本场景下物理知识引导的覆冰深度迁移预测方法，其特征在于，覆冰数据表示如下：

4.根据权利要求3所述的小样本场景下物理知识引导的覆冰深度迁移预测方法，其特征在于，特征变量包括气象数据类、力学因素类、线路数据类和覆冰因素类；其中，气象数据类包括温度、湿度和风向，力学因素类包括拉力、倾角和风偏角，线路数据类包括导线类型，覆冰因素类包括覆冰增长率。

5.根据权利要求1所述的小样本场景下物理知识引导的覆冰深度迁移预测方法，其特征在于，物理信息神经网络包括卷积层部分和密集层部分；

6.根据...

【专利技术属性】
技术研发人员：侯慧，王燕，张清勇，杨旭，吴细秀，唐金锐，李显强，石英，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：