[发明专利]一种电网覆冰舞动风险预测方法、系统及存储介质

摘要

本发明涉及电力系统的气象灾害技术领域，公开了一种电网覆冰舞动风险预测方法、系统及存储介质，以减轻电网输电线路遭受的舞动灾害，提高电网输电线路应对覆冰舞动灾害的能力和安全稳定的运行水平；本发明根据训练样本数据集初始化受限玻尔兹曼机算法的参数值，然后反复学习与更新参数值，直至受限玻尔兹曼机算法满足训练样本数据集的收敛性，并通过验证样本数据集验证受限玻尔兹曼机算法的预测精度Eavg，若预测精度Eavg不在预先设定精度以内，则继续更新参数，直至满足预测精度；进一步建立基于反向传播算法的电网覆冰舞动预测模型，最后根据反向传播算法对电网覆冰舞动预测模型的参数进行调整，并得到覆冰舞动预测模型。

主权项

1.一种电网覆冰舞动风险预测方法，其特征在于，包括以下步骤：S1：选取历史覆冰舞动相关数据构建初始样本数据集，将所述初始样本数据集分为训练样本数据集和验证样本数据集，并根据所述训练样本数据集初始化受限玻尔兹曼机算法的参数值；S2：反复学习与更新所述参数值，直至所述受限玻尔兹曼机算法满足所述训练样本数据集的收敛性；S3：根据求解最大化受限玻尔兹曼机中算法的对数似然函数获得深度学习后的受限玻尔兹曼机算法的参数值，并通过所述验证样本数据集验证所述受限玻尔兹曼机算法的预测精度Eavg，若所述预测精度Eavg在预先设定精度以内，则进行步骤S4，反之，则返回步骤S2；S4：从所述训练样本数据集中选取K个高级特征要素作为反向传播算法的输入参数集{x1,x2,...,xk}，并建立基于反向传播算法的电网覆冰舞动预测模型：式中，λi表示i神经元的阈值，ω1i,ω2i,...,ωji分别表示i神经元对{x1,x2,...,xk}的权值连接，xj表示第j个神经元变量，T表示训练样本中的样本总个数；S5：根据所述反向传播算法对所述电网覆冰舞动预测模型的参数进行调整，并得到覆冰舞动预测模型：式中，yi表示由K个高级特征要素中第i特征要素预测的覆冰舞动日数，ψji表示i,j神经元对应的覆冰舞动日数，ωji表示i,j神经元之间的影响权重。