[发明专利]一种基于相关向量机的输电线路覆冰预测方法

说明书

本发明属于电力系统灾害预警技术领域，具体涉及一种基于相关向量机的输电线路覆冰预测方法。本预测方法根据覆冰现象的特点，具有针对性的选择和处理覆冰预测模型的输入量及其权重指标；采用相关向量机方法建立输电线路覆冰预测模型；采用样本数据对模型进行训练，并利用量子粒子群算法和K‑fold交叉验证法对模型进行优化；根据测试数据对输电线路的覆冰厚度及概率分布进行预测，并进一步通过重复训练对模型进行修正以提高预测精度。该预测方法综合考虑了多种因素对输电线路覆冰的影响，能够准确预测输电线路的覆冰厚度，具有很强的预测精度和泛化能力。

技术领域

本发明属于电力系统灾害预警技术领域，具体涉及一种基于相关向量机的输电线路覆冰预测方法。

背景技术

输电线路覆冰厚度超过其设计标准，会造成闪络、跳闸甚至断线、倒塔等严重事故的发生。近年来，因覆冰导致电网事故的次数越来越多，给社会和人民财产带来巨大损失。因此，亟需对输电线路的覆冰预测方法进行研究，为电力部门的抗冰减灾工作提供预警等决策支持。

目前，国内外关于导线覆冰预测主要有物理模型和经验模型两种。由于存在测量技术限制等原因，物理模型中所需的部分信息在实际线路中难以获取或精度不高，很难直接应用于实际线路的覆冰预测；经验模型基于模糊逻辑理论、支持向量机等方法实现覆冰预测，但存在着泛化能力较差、预测精度较低等缺点。

相关向量机(Relevance Vector Machine,RVM)是一种基于贝叶斯框架下的稀疏概率模型。作为机器学习领域的研究热点之一，RVM较之支持向量机等其它智能类算法具有更强的泛化能力和更高的预测精度。因此，本发明的一种基于相关向量机的输电线路覆冰预测方法，其建模方便、预测结果精确、泛化能力强等特点，具有重要推广应用价值。

发明内容

本发明针对现有技术的不足，提出了一种基于相关向量机的输电线路覆冰预测方法。

本预测方法根据覆冰现象的特点，具有针对性的选择和处理覆冰预测模型的输入量及其权重指标；采用相关向量机方法建立输电线路覆冰预测模型；采用样本数据对模型进行训练，并利用量子粒子群算法和K-fold交叉验证法对模型进行优化；根据测试数据对输电线路的覆冰厚度及概率分布进行预测，并进一步通过重复训练对模型进行修正以提高预测精度。该预测方法综合考虑了多种因素对输电线路覆冰的影响，能够准确预测输电线路的覆冰厚度，具有很强的预测精度和泛化能力。

本发明的一种基于相关向量机的输电线路覆冰预测方法，包括以下步骤：

一种基于相关向量机的输电线路覆冰预测方法，其特征在于，包括以下步骤：

步骤1，根据输电线路覆冰的物理规律，选择考虑权重的覆冰历史数据和微气象数据作为输入数据，覆冰厚度作为输出数据，并进行归一化处理；

其中，考虑权重的覆冰历史数据定义为Y_k-m，基于以下公式；

Y_k-m＝[g₁(w_h)×y_k-m,...,g_n(w_h)×y_k-m-n+1]

其中：y_k-m为k-m时刻的覆冰厚度的历史数据；m为覆冰历史数据和覆冰预测值之间的时间尺度，由采样周期决定，单位为15min；n为选择覆冰历史数据的个数，为用户自定义，其值是大于0的正整数；w_h为权重变化率；g_i(w_h)为第i个覆冰历史数据的权重；

其中，第i个覆冰历史数据的权重表征为：

g_i(w_h)＝1-i×w_h