[发明专利]基于气象因素的覆冰厚度智能预警方法

说明书

本发明涉及电网防灾减灾技术领域，公开一种基于气象因素的覆冰厚度智能预警方法，以提高覆冰厚度智能预警准确性。本发明方法包括：读取线路微气象监测数据；利用平行坐标算法将监测数据点转换成图像，采用平行坐标图将多维覆冰气象监测数据组成的矩阵转换成温度、湿度、最大拉力时的风偏角和最大拉力时的倾角图像；计算所有覆冰样本数据的标签；构建覆冰智能预警卷积神经网络模型；训练覆冰智能预警模型参数，将覆冰智能预警系统输出与理想输出之间的差值向后传播，以调整各层的权重和偏差，计算新的输出并再次更新权重和偏差，循环直至符合训练终止条件；将采集的最新气象数据输入训练好的覆冰智能预警模型中，计算得到相应的预测覆冰厚度水平。

技术领域

本发明涉及电网防灾减灾技术领域，尤其涉及一种基于气象因素的覆冰厚度智能预警方法。

背景技术

输电线路常跨越高寒山区，冬季极易发生严重覆冰，运维人员难以及时到达覆冰现场进行观测，而微地形区域导线覆冰特性差异大、增长速度快，极易造成线路覆冰倒塔断线。及时准确的架空输电线路覆冰厚度信息对于决定输电线路是否应除冰至关重要。

已有文献提出的输电线路覆冰厚度预测模型，可分为物理模型和数据驱动模型。对于物理模型，采用物理过程和数学方程，利用实验数据对覆冰过程进行模拟。然而，输电线路覆冰过程是复杂的，覆冰过程增减是非线性的，很难构造覆冰过程的映射函数。对于数据驱动模型，覆冰厚度由多变量时间序列利用相空间重构、马尔可夫模型和模糊逻辑理论等现代计算机技术进行计算，这需要丰富的专业经验和对相关数据的分析。目前，智能覆冰预报模型以其强大的学习和处理能力得到了广泛的应用。常见的模型有支持向量机，反向传播神经网络和极限学习机等。在智能覆冰预报模型中，选取了温度、湿度、风速、风向和日照作为主要影响因子。然而，上述覆冰智能预报模型中的训练覆冰数据和预报数据必须在同一覆冰过程或同一输电线路上。

本专利提出一种基于气象参数及深度学习的输电线路覆冰厚度预警方法。该方法引入平行坐标图的思路，将多维覆冰气象监测数据组成的矩阵转换成简化的平行坐标图，并将其作为图像输入深度学习模型中。同时对相对应的覆冰厚度信息按等级进行分类，以对应的气象条件为输入参量，分析转换后的简化平行坐标图与实测覆冰厚度之间的关系，构建输电线路覆冰厚度预警模型，可为电网覆冰预警提供新的可靠技术支撑。该方法能有效克服现有方法应用的局限性，提高电网覆冰厚度预警的准确性。

发明内容

本发明主要目的在于公开一种基于气象因素的覆冰厚度智能预警方法，以提高覆冰厚度智能预警准确性。

为达上述目的，本发明公开一种基于气象因素的覆冰厚度智能预警方法，包括：

读取线路微气象监测数据，获取同时刻监测数据的两种以上参数，该参数包括温度、湿度、降雨、风速、风向信息；

利用平行坐标算法将监测数据点转换成图像，包括采用平行坐标图将多维覆冰气象监测数据组成的矩阵转换成温度、湿度、最大拉力时的风偏角和最大拉力时的倾角图像；

计算所有覆冰样本数据的标签，将实测的覆冰厚度范围平均分为至少两个等级，每个多维覆冰监测数据点对应的标签为覆冰厚度等级；

构建覆冰智能预警卷积神经网络模型；

训练覆冰智能预警模型参数，将覆冰智能预警系统输出与理想输出之间的差值向后传播，以调整各层的权重和偏差，计算新的输出并再次更新权重和偏差，循环直至符合设定的训练终止条件；

将采集的最新气象数据输入训练好的覆冰智能预警模型中，计算得到相应的预测覆冰厚度水平。

本发明具有以下有益效果：