[发明专利]一种基于深度混合建模的覆冰拉力预测方法

说明书

本发明公开了一种基于深度学习的多变量覆冰输电线路拉力预测，包括以下步骤：1)获取给定的输电覆冰线路的拉力数据，还有线路周围的气象数据比如温度，湿度，风速等气象数据。2)对每个特征维度的数据进行初步的预处理，进行归一化操作，划分训练集和测试集。3)搭建深度神经网络模型，将数据送入模型中进行处理得到预测的数据。4)对预测得数据进行反归一化，得到最终预测得拉力数据并画图呈现。该模型可以同时捕获线路覆冰数据中的局部信息和长期依赖，从多个方面来挖掘数据,提取特征，解决了现有输电线路覆冰技术中准确性不高，鲁棒性差等问题。

技术领域

本发明属于电网覆冰预测技术领域，尤其涉及一种基于深度混合建模的覆冰拉力预测方法。

背景技术

近年来,伴随着电力基础设施的逐步建设和国民用电的需求不断增大，“智能电网”的概念，被各个电网公司提出。智能电网是电网技术发展的必然趋势。近年来，通信、计算机、自动化等技术在电网中得到广泛深入的应用，并与传统电力技术有机融合，极大地提升了电网的智能化水平。输电线路作为电力系统的动脉,为各个输电网和用户之前提供便捷服务，在日常的电力服务系统中发挥着重大的作用。然而,由于线路长期曝露野外，不仅存在着自然老化、劣化问题,而且还是一个巨大的环境灾害承载体,使其成为电力系统中最为脆弱的部分。每当进入冬季,在湿气太重,一旦寒流入侵，势必引起局部地区输电线路的严重覆冰,这将导致铁塔扭曲、倒塔、断线等破坏性事故,不仅给用户生产生活带来影响,同时，也使得输电线路的抢修工作更加的危险和困难，给电网的安全带来重大危害。因此,如何防治输电线路的覆冰灾害，及时且有效的预测输电线路的覆冰厚度以及变化趋势，能够有效的防止输电线路覆冰事故的发生，从而提高用户生产生活质量以及提升电网的安全。

由于在线监测技术的不断提升,许多小型输电线路覆冰在线监测装置逐渐应用于重覆冰区域,其收集的气象数据及覆冰数据为智能线路覆冰预测提供了数据基础。目前关于电力线路的覆冰预测模型虽然总类繁多，但目前主要存在问题为：1)采集的数据中存在大量的冗余数据、错误数据、数据脏乱差，给模型的建模带来了巨大的挑战；2)模型算法的时效性和精度都不是很突出，并未有适用于线路覆冰灾害预警的快速算法。需要指出的是,输电线路的覆冰厚度同时也受众多气象因素的影响,这些气象因素与线路覆冰厚度之间存在着复杂的非线性关系，如果采用传统的模型，无法去捕捉多变量之间的数据依赖关系。

发明内容

本发明要解决的技术问题是：提供一种基于深度混合建模的覆冰拉力预测方法，以解决现有技术对输电线路覆冰时，采集的数据中存在大量的冗余数据、错误数据、数据脏乱差，给模型的建模带来了巨大的挑战；模型算法的时效性和精度都不是很突出，并未有适用于线路覆冰灾害预警的快速算法；采用传统的模型，无法去捕捉多变量之间的数据依赖关系等技术问题。

本发明的技术方案是：

一种基于深度混合建模的覆冰拉力预测方法，它包括：

步骤1、获取输电覆冰线路的拉力数据、气象数据，构建变量数据集X，构建需要预测的拉力的序列数据集Y；

步骤2、对数据集X和Y进行归一化操作；

步骤3、构建融合传统回归方法和卷积神经网络层的深度混合网络模型；得到最准的输出结果；

步骤4、将步骤3得到的最终的输出结果，进行反归一化操作得到最终的预测值。

它还包括：步骤5、将所述深度混合网络模型采用测试样本进行测试，将RMSE、MAE和MAPE作为模型误差分析指标，用于评估预测性能。

RMSE、MAE和MAPE作为模型误差分析指标的计算方法为：