[发明专利]一种电网线路运行安全优化方法、系统及存储介质

权利要求书

1.一种电网线路运行安全优化方法，其特征在于，所述方法包括：

采集电网线路在运行时产生的工况数据和电网线路在运行时所处的气象数据，并结合所述工况数据和所述气象数据构建影响因素数据集；

基于皮尔逊相关系数求解法对所述影响因素数据集进行解析，获取影响系数；

以所述影响系数为约束条件建立强影响特征选择模型，将所述影响因素数据集导入所述强影响特征选择模型进行筛选，生成强影响特征数据集；

构建灰色-支持向量回归组合模型，将所述强影响特征数据集导入所述灰色-支持向量回归组合模型进行训练学习，得到线路参数调优结果。

2.根据权利要求1所述的电网线路运行安全优化方法，其特征在于，所述结合所述工况数据和所述气象数据构建影响因素数据集包括：

以时间序列为基准，获取电网线路在所述工况数据和所述气象数据的影响下所产生的相关线路参数；

以时间序列为基准，将所述工况数据、所述气象数据和所述相关线路参数进行数据融合，得到影响因素数据集。

3.根据权利要求1所述的电网线路运行安全优化方法，其特征在于，所述以所述影响系数为约束条件建立强影响特征选择模型包括：

结合岭回归系数和套索回归收缩系数，确定弹性网络的惩罚项；

以所述影响系数为约束条件，建立基于所述弹性网络的强影响特征选择模型。

4.根据权利要求3所述的电网线路运行安全优化方法，其特征在于，所述将所述影响因素数据集导入所述强影响特征选择模型进行筛选，生成强影响特征数据集包括：

将所述影响因素数据集导入所述强影响特征选择模型进行运算，得到每一个影响因素所对应的权重值；

将所述影响因素数据集中对应权重值为零的影响因素进行剔除处理，得到强影响特征数据集。

5.根据权利要求1所述的电网线路运行安全优化方法，其特征在于，所述构建灰色-支持向量回归组合模型，将所述强影响特征数据集导入所述灰色-支持向量回归组合模型进行训练学习，得到线路参数调优结果包括：

构建单个特征的灰色预测模型，将所述强影响特征数据集导入所述灰色预测模型进行动态预测，得到下一时刻的强影响特征预测值；

构建支持向量回归模型，将所述强影响特征数据集作为训练集输入所述支持向量回归模型进行训练；

将所述强影响特征预测值导入训练好的支持向量回归模型进行迭代计算，得到线路参数调优结果。

6.根据权利要求5所述的电网线路运行安全优化方法，其特征在于，所述将所述强影响特征数据集导入所述灰色预测模型进行动态预测，得到下一时刻的强影响特征预测值包括：

基于所述强影响特征数据集构建出灰色生成序列，再基于所述灰色生成序列构建出紧邻均值生成序列；

将所述灰色生成序列和所述紧邻均值生成序列导入所述灰色预测模型，再利用其中的灰微分方程求解出所述灰色预测模型的参数估计值；

通过所述参数估计值和所述灰色生成序列计算出时间响应序列，再基于所述时间响应序列得到下一时刻的强影响特征预测值。

7.根据权利要求5所述的电网线路运行安全优化方法，其特征在于，所述构建支持向量回归模型，将所述强影响特征数据集作为训练集输入所述支持向量回归模型进行训练包括：

确定支持向量回归模型的核函数和代价函数，并以所述核函数和所述代价函数为模型约束条件；

建立所述支持向量回归模型所依赖的线路参数动态优化关系式，将所述强影响特征数据集输入所述线路参数动态优化关系式进行参数训练更新。