[发明专利]多源电力气象融合数据整体评估方法、系统及存储介质

说明书

本发明涉及电网的防护领域，公开一种多源电力气象融合数据整体评估方法、系统及存储介质，以优化多源数据的选取并确保数据融合的质量。本发明方法包括：将多源电力气象融合数据划分为卫星、雷达、在线监测装置、人工观测、气象部门发布和历史数据推算六类数据；并将各类数据所对应的数据质量划分为：准确、错误、缺测和其他四种情况；并计算各类数据分别对应四种情况下的发生概率，然后基于D‑S证据理论方法分别进行数据融合可信度第一次、第二次及第三次评估，包括分组计算归一化常数、分组计算各类型数据特征的发生概率，形成最终的量化评估结果。

技术领域

本发明涉及电网的防护领域，尤其涉及一种多源电力气象融合数据整体评估方法、系统及存储介质。

背景技术

随着电网建设规模不断扩大，电网运行保障对专业化气象服务的要求正在不断提高。电力气象作为提供电力运维技术支撑的特殊技术领域，需要扎实的观测数据基础。为了有效掌握输电线路附近气象实况信息，电力气象实况数据充分应用卫星观测、雷达观测等遥感观测手段和在线监测装置监测、人工现场观测的常规观测方式，同时吸纳气象部门发布的气象信息以及历史气候数据信息，形成了多源融合的电力气象数据集。

不同来源的观测数据、相同来源不同特征的观测数据都存在观测质量良莠不齐的情况，对融合数据整体的可信程度也造成了不可避免的影响。

现有的数据融合技术类型较多，但融合数据整体效果评估方法仍然无法全面配合业务需求。特别由于电力气象数据数量大、更新迭代速度快，客观上要求一种快速有效的整体评估方法。

发明内容

本发明的主要目的在于公开一种多源电力气象融合数据整体评估方法、系统及存储介质，以优化多源数据的选取并确保数据融合的质量。

为达上述目的，本发明公开一种多源电力气象融合数据整体评估方法，包括：

将多源电力气象融合数据划分为卫星、雷达、在线监测装置、人工观测、气象部门发布和历史数据推算六类数据；并将各类数据所对应的数据质量划分为：准确、错误、缺测和其他四种情况；并计算各类数据分别对应四种情况下的发生概率；

将卫星与雷达发生概率数据合为遥感观测组，将在线监测装置与人工观测发生概率数据合为近端观测组，以及将气象部门发布和历史数据推算发生概率数据合为其他来源组；基于D-S证据理论方法计算各组分别对应四种情况下的发生概率数据作为融合可信度第一次评估结果；

将遥感观测与近端观测发生概率数据合为直接观测组，基于D-S证据理论方法计算该直接观测组分别对应四种情况下的发生概率数据作为融合可信度第二次评估结果；

将直接观测组和其他来源发生概率数据合并，基于D-S证据理论方法计算得出全部来源融合数据分别对应四种情况下的发生概率数据作为融合可信度第三次评估结果。

与上述方法相对应的，本发明还公开一种多源电力气象融合数据整体评估系统：包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现上述方法的步骤。

同理，本发明还公开一种计算机存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现上述方法中的步骤。

本发明具有以下有益效果：

D-S(Dempster/Shafer)证据理论是一种针对多源干扰条件下的概率分析方法，能够迅速掌握整体特征，形成简洁直观的评估结果。因此，将D-S证据理论引入电力气象多源融合数据可靠性评估工作中，能实现信息的快速分析，根据评估结果，可以优化多源数据的选取、融合数据的取用并指导电力气象的研究方向，提高了电力气象数据可靠性，也提升了电网保障工作效能。

下面将参照附图，对本发明作进一步详细的说明。

附图说明