[发明专利]一种基于Informer模型的输电线路覆冰预测方法

说明书

本发明公开了一种基于Informer模型的输电线路覆冰预测方法，它包括：采集历史覆冰、终端拉力、气象站预报、气象站监测和终端信息数据，进行数据预处理；构建训练集D_train、验证集D_vail和测试集D_test；进行输入统一转换；生成编码器；通过对Decoder的堆叠，来更好的获得输入输出间的映射关系，以此来提高预测精度；最终通过一个全连接层，得到最后的输出；模型迭代，直至训练条件终止，生成训练好的model，用于预测未来时刻的输电电缆的拉力值，通过拉力值进而计算当前输电电缆的覆冰厚度；解决了现有技术输电线路覆冰预测方法准确性不高、鲁棒性不强、适应性不好等技术问题。

技术领域

本发明属于电网覆冰预测技术领域，尤其涉及一种基于Informer模型的输电线路覆冰预测方法。

背景技术

近年来，随着电力系统和电网建设的飞速发展，电网分布逐渐向大规模和智能化方向发展，对电网的可靠性要求也越来越高。而覆冰作为影响电力系统最常见的灾害之一，往往导致输电线路荷重增加，进而造成线路断线、冰闪跳闸以及损坏输电线路元器件等问题。覆冰灾害已严重威胁到电网系统的平稳可靠运行，带来巨大经济损失，严重制约电网系统的建设与发展。而预测输电线路的未来覆冰状况并即时有效的采取融冰措施，可有效减少因覆冰造成的电网大面积瘫痪带来的损失。因此，输电线路覆冰预测对我国电力系统发展有着十分重要的意义。

现有的电网覆冰预测模型可以分为两类，一类是基于物理过程的预测模型，一类是基于数据驱动的预测模型。

基于物理过程的预测模型是根据覆冰的形成过程和产生机理出发，结合热力学、动力学等相关学科理论来构建覆冰预测模型。参考文献[1]“Measurement Method ofConductor Ice Covered Thickness Based on Analysis of Mechanical and SagMeasurement”(YAO C,ZHANG L,LI C,et al,High Voltage Engineering[J],2013,5.)通过分析覆冰增长的过程，提出了基于覆冰增长的覆冰厚度预测模型，但其局限性大，不具备普适性。参考文献[2]“基于拉力和倾角的输电线路覆冰厚度预测模型”(张子翀,王健,广东电力[J],28(06):82-86+92,2015)通过计算无覆冰时垂直平面内基本的线路静力学参数并结合风力和绝缘子串影响来计算导线的等值荷载覆冰厚度，以此来构建覆冰预测模型。然而基于物理过程的预测模型往往无法考虑到所有覆冰因素的影响，因此提出的模型往往实用性不佳。

基于数据驱动的覆冰预测模型以历史覆冰数据为主，通过深度神经网络模型、机器学习算法等方法，分析覆冰形成过程的影响因素并捕获数据中的非线性关系、时空动态性和不确定性等特性，寻找覆冰厚度与微气象、微地形等因素之间的关系，以此构建覆冰预测模型。

参考文献[3]“Online prediction method of icing of overhead power linesbased on support vector regression”(Li J J,Li P,Miao A M,Chen Y,Cao M,andShen X,International Transactions on Electrical Energy Systems[J],28(3):1-14,2018)采用支持向量回归算法(SVR)，利用历史覆冰数据和在线气象数据，结合wavelets数据预处理方式和相空间重构理论来构建架空电力线路短期积冰负载的结冰警报系统，此系统可预测5小时预测架空电力线路的实时结冰值。