[发明专利]基于支持向量机的输电线路缺陷风险建模及其预测方法

说明书

本发明公开了一种基于支持向量机的输电线路缺陷风险建模及其预测方法，首先将输电线路细分成若干部件，在考虑了缺陷数量及其严重程度的情况下，定义了缺陷风险值作为线路缺陷状况的评价指标；然后通过相关系数筛选出影响各部件缺陷风险值的重要因素，并引入支持向量机机器学习的方法，利用其能有效解决小样本学习问题的优点，对线路未来的缺陷风险值进行预测；最后缺陷风险预测值的大小反映了未来输电线路缺陷的状况，能为相关部门的工作提供重要的参考。

技术领域

本发明涉及电力系统分析与控制领域，具体涉及一种基于支持向量机的输电线路缺陷风险建模及其预测方法。

背景技术

对缺陷发展状况的有效预测，是输电线路科学巡维的基础和核心。目前输电线路缺陷的发现主要依赖于在线监测设备的告警和定期检修，而巡维方案的制定往往依靠人的经验进行，这种方式常常导致人力、物力等资源的浪费和检修缺乏针对性等问题的发生。因此，如何科学地处理缺陷数据并预测输电线路未来缺陷的发展状况，做到有针对性地安排检修工作，是目前线路管理部门面临的重要课题。

目前国内外对输电线路缺陷发展状况的评价等研究工作较少，缺乏合适的输电线路缺陷状况的评价指标。国内有不少研究以缺陷发生率或某个时间段内的缺陷数来评价输电线路的缺陷发展状况，这些研究仅仅从数量的角度来考察输电线路的缺陷状况，而缺乏对缺陷严重程度的考虑，这样仅考虑单一的指标往往不能较为全面地评价当前输电线路的缺陷状况。

此外，目前大部分研究主要针对输电线路的故障率、可靠性等开展，并考虑各种随机因素对其影响，但是这些研究只考虑了随机因素对整体线路的影响，根据缺陷的特点，由于输电线路由各类型设备组成，考虑到不同类型的设备，影响其缺陷状况的随机因素不同，例如：杆塔缺陷的发生主要受到天气因素(如风速、降雨量等)的影响，而绝缘子缺陷的发生不仅受天气因素的影响，也与线路自身的发热情况和污染程度等因素有关。同时，对于每一种类型的设备都有影响其缺陷状况的主要因素和次要因素，若只考虑随机因素对整体线路的影响和过多的次要因素，难免缺乏科学性和造成数据冗余。因此，在分析线路的缺陷状况时，首先应当将线路分成若干部分进行考虑，并对各类设备的主要影响因素进行筛选。

随着电网安全性能的逐步提升，输电线路的缺陷等隐患的发生率进一步降低，因此线路的缺陷等数据统计样本量较为缺乏，对输电线路缺陷状况的预测工作带来一定的困难。

发明内容

本发明旨在提出一种基于支持向量机的输电线路缺陷风险建模及其预测方法。该方法首先将输电线路细分成若干部件，在考虑了缺陷数量及其严重程度的情况下，定义了缺陷风险值作为线路缺陷状况的评价指标；然后通过相关系数筛选出影响各部件缺陷风险值的重要因素，并引入支持向量机机器学习的方法，利用其能有效解决小样本学习问题的优点，对线路未来的缺陷风险值进行预测；最后缺陷风险预测值的大小反映了未来输电线路缺陷的状况，能为相关部门的工作提供重要的参考。

为了实现上述任务，本发明采用以下技术方案：

一种基于支持向量机的输电线路缺陷风险建模及其预测方法，包括以下步骤：

第一部分，建模过程

将输电线路按不同的设备类型分成多类，将设备发生的缺陷按照危急缺陷、严重缺陷、一般缺陷三个级别，并对各缺陷级别进行量化，得到量化后的缺陷严重程度；根据历史缺陷数据分别统计输电线路每一类设备发生各级缺陷的次数，计算所述次数对该类设备缺陷状况影响的大小，然后定义每一类设备对每个缺陷级别的单风险值，进而得到每一类设备的总的缺陷风险值；根据缺陷历史数据，分别统计输电线路的各类设备在近年来发生缺陷的次数，得到各类设备缺陷的隶属度，根据隶属度以及所述总的缺陷风险值，得到输电线路整体的缺陷风险值，以及整体的缺陷风险值的取值范围；