[发明专利]一种基于BP神经网络的输电线路雷害风险评估方法

说明书

本发明公开了一种基于BP神经网络的输电线路雷害风险评估方法，该方法包括以下步骤，分析输电线路雷害风险的影响因子，根据影响因子采集影响输电线路安全的雷击风险样本数据，并进行归一化预处理，划分雷害风险等级；建立BP神经网络模型，将雷击风险样本数据输入BP神经网络模型进行学习训练，采用训练后的BP神经网络模型计算输电线路雷害风险评估值，对风险评估值较高的输电线路发出警示信息。本发明能够建立BP神经网络模型，采集雷击风险样本数据输入BP神经网络进行学习训练，评估输电线路雷害风险等级，使雷害风险评估精度更高，结果更加符合实际要求。

技术领域

本发明属于输电线路防雷的技术领域，更具体的涉及一种基于BP神经网络的输电线路雷害风险评估方法。

背景技术

近年来，我国的经济迅猛发展，对供电可靠性的要求越来越高。雷击跳闸是影响输电线路供电可靠性的重要因素，特别是在雷电活动比较频繁的地区，雷击跳闸给人民生活带来了极大的不便。所以，对输电线路进行雷击风险评估具有重要的意义。目前，一些研究机构对雷击风险的评估仅以雷击跳闸率作为指标，雷击跳闸率高的则雷击跳闸风险较大，反之则较小。这种评估方法考虑的不全面，因为雷击灾害影响因素不止一个，它还和雷电活动强度、地形地貌、输电线路的重要程度有关。把雷击跳闸率作为唯一影响因素的评估方法不能准确的评估输电线路的雷害风险，所以亟待提出一种更能准确反映雷害风险的评估方法。

发明内容

本发明的目的在于提供一种基于BP神经网络的输电线路雷害风险评估方法，以解决上述背景技术中提出的问题。

本发明是通过以下技术方案实现的：

一种基于BP神经网络的输电线路雷害风险评估方法，包括：

S1.分析输电线路雷害风险的影响因子；

S2.根据所述影响因子，采集影响输电线路安全的雷击风险样本数据，并对采集到的雷击风险样本数据进行预处理；

S3.对所述预处理完成的雷击风险样本数据划分雷害风险等级；

S4.建立BP神经网络模型；

S5.将雷击风险样本数据输入BP神经网络模型进行学习训练；

S6.采用训练后的BP神经网络模型计算输电线路雷害风险评估值；

S7.对风险评估值较高的输电线路发出警示信息。

进一步的，步骤S1中，所述影响因子包括地闪密度、雷电流幅值、杆塔接地电阻、杆塔绝缘水平、避雷线保护角、地形地貌、线路重要程度、历史雷击跳闸情况。

进一步的，步骤S2中，所述雷击风险样本数据收集方式包括雷电定位系统和现场测量。

进一步的，步骤S2中，所述雷击风险样本数据预处理方法，包括：

对数值型雷击风险样本数据进行归类汇总，得到下列样本数据矩阵X；

采用下式进行归一化处理：