[发明专利]一种基于局部时空特征融合的覆冰预测方法

说明书

本发明公开了一种基于局部时空特征融合的覆冰预测方法，它包括：步骤1、采集传感器覆冰拉力以及气象数据构建数据集；步骤2、进行数据预处理；步骤3、图网络构建；步骤4、模型训练，直到训练条件终止，生成训练好的模型，用于预测未来覆冰拉力值；解决了现有技术对电网的覆冰情况预测由于覆冰形成过程复杂，环境影响因素多样，覆冰状况具有时空差异性，相关的理论分析不充分，尚未建立鲁棒性强、适应性好的覆冰预测模型；覆冰预测精度差等问题等技术问题。

技术领域

本发明属于电网覆冰预测技术领域，尤其涉及一种基于局部时空特征融合的覆冰预测方法。

背景技术

随着国民的家用以及商用对电力需求的日益增涨，我国电力系统及电网逐渐朝着大规模、智能化的方向发展。输电线路具有覆盖区域广、分散性大、线路距离长、途经荒芜地区环境恶劣、微气象条件复杂等特性，极易遭遇恶劣天气以及多种自然灾害影响。其中，覆冰作为一种常见的自然现象，对电网的安全稳定运行有着极大威胁。电网覆冰是指由于线路电压、温度、湿度、风速、水滴直径、地形等因素综合影响的线路发生结冰的一类物理现象。电网覆冰是电网安全运行最为严重的威胁之一，可能引起的电路过负载、不均匀覆冰、脱冰及导线舞动会造成输电线路跳闸等问题，严重时甚至引发地线断线、倒塔等事故，从而导致大范围停电，给电网及工农业生产造成巨大的经济损失，给人们生活用电造成极大困扰，由线路覆冰引起的电气和机械事故也会给电网带来巨大的经济损失。对电网的覆冰情况进行预测，及时发现覆冰厚度的变化趋势，能够有效防止覆冰事故的发生，给电网的防冰和除冰提供决策依据。

由于覆冰序列数据受微气象等因素影响，具有非线性和相互关联性等问题，如何有效地构建更准确的预测模型是覆冰预测的关键技术问题之一。研究学者针对这一关键问题提出了很多的研究模型与方法，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研究，主要是从电网覆冰的形成过程和产生机理出发，结合流体力学、热力学等相关理论进行覆冰模型的构建。然而，由于覆冰形成过程复杂，环境影响因素多样，覆冰状况具有时空差异性，相关的理论分析不充分，尚未建立鲁棒性强、适应性好的覆冰预测模型。基于数据驱动的覆冰预测模型研究，主要以历史的电网覆冰数据为主，分析覆冰过程的影响因素，结合深度神经网络的非线性映射以及深度特征抽取能力，对复杂的气象数据和覆冰之间的关系进行学习。

由于不同环境气象数据之间通常存在复杂的非线性关系，传统方法模型难以挖掘与覆冰相关的各类序列数据之间的关系，导致覆冰预测精度差等问题。

发明内容

本发明要解决的技术问题是：提供一种基于局部时空特征融合的覆冰预测方法，以解决现有技术对电网的覆冰情况预测由于覆冰形成过程复杂，环境影响因素多样，覆冰状况具有时空差异性，相关的理论分析不充分，尚未建立鲁棒性强、适应性好的覆冰预测模型；覆冰预测精度差等问题等技术问题。

本发明的技术方案是：

一种基于局部时空特征融合的覆冰预测方法，它包括：

步骤1、采集传感器覆冰拉力以及气象数据构建数据集；

步骤2、进行数据预处理；

步骤3、图网络构建；

步骤4、模型训练，直到训练条件终止，生成训练好的模型，用于预测未来覆冰拉力值。

步骤5、为了验证基于局部空间的时序覆冰预测方法的有效性，采用真实数据集对LSTM、GRU和基于局部空间的时序覆冰预测方法进行覆冰预测对比实验，将RMSE和MAE作为模型误差分析指标，用于评估各种方法的序列预测性能。

它还包括：所述误差分析指标计算公式如下：

其中代表预测的覆冰拉力，y_i代表真实的覆冰拉力值，n是测试数据集样本数量。