[发明专利]基于支持向量机的输电线路缺陷风险建模及其预测方法

摘要

本发明公开了一种基于支持向量机的输电线路缺陷风险建模及其预测方法，首先将输电线路细分成若干部件，在考虑了缺陷数量及其严重程度的情况下，定义了缺陷风险值作为线路缺陷状况的评价指标；然后通过相关系数筛选出影响各部件缺陷风险值的重要因素，并引入支持向量机机器学习的方法，利用其能有效解决小样本学习问题的优点，对线路未来的缺陷风险值进行预测；最后缺陷风险预测值的大小反映了未来输电线路缺陷的状况，能为相关部门的工作提供重要的参考。

主权项

1.一种基于支持向量机的输电线路缺陷风险建模及其预测方法，其特征在于，包括以下步骤：/n第一部分，建模过程/n将输电线路按不同的设备类型分成多类，将设备发生的缺陷按照危急缺陷、严重缺陷、一般缺陷三个级别，并对各缺陷级别进行量化，得到量化后的缺陷严重程度；根据历史缺陷数据分别统计输电线路每一类设备发生各级缺陷的次数，计算所述次数对该类设备缺陷状况影响的大小，然后定义每一类设备对每个缺陷级别的单风险值，进而得到每一类设备的总的缺陷风险值；根据缺陷历史数据，分别统计输电线路的各类设备在近年来发生缺陷的次数，得到各类设备缺陷的隶属度，根据隶属度以及所述总的缺陷风险值，得到输电线路整体的缺陷风险值，以及整体的缺陷风险值的取值范围；/n采用Pearson相关系数分析所有影响因素分别与各类设备缺陷风险值之间的相关性，通过P值方法考察各影响因素的重要度；对于一类设备，分别选择重要度大于或接近0.9且相关性值较大的影响因素作为该类设备的主要影响因素；根据缺陷历史数据，计算得到输电线路不同季度各类设备的缺陷风险值，将设备各季度主要影响因素的统计平均值作为输入变量，将设备各季度的缺陷风险值作为输出变量，构造训练样本集；/n利用支持向量机分类器SVM构建缺陷风险值预测模型，并且确定SVM的回归函数、核函数以及参数；以所述的训练样本集训练所述的预测模型，保存训练好的预测模型；/n第二部分，预测过程/n利用训练好的预测模型对未来一个季度内输电线路各类设备的缺陷的风险值进行预测，然后根据缺陷历史数据，统计近年来各类设备出现缺陷的次数，得到设备缺陷的隶属度，继而计算输电线路整体的缺陷风险值，将该风险值比对整体的缺陷风险值的取值范围，以评估电线路整体缺陷风险的严重程度。/n