基于多源覆冰监测数据的二阶集成覆冰预测方法和设备与流程

本发明涉及输电线路覆冰监测，具体而言，涉及一种基于多源覆冰监测数据的二阶集成覆冰预测方法和设备。

背景技术：

1、输电线路覆冰是影响电网安全稳定运行的重要因素。输电线路覆冰，会导致杆塔荷载过大，导线弧垂变大，脱冰时导地线发生跳跃等现象。近几年来，大面积覆冰事故在全国各地时有发生，输电线路覆冰导致跳闸及倒塔的事故越来越严重。

2、其中，输电线路覆冰的微气象条件是指某一个大区域内的局部地段，由于地形、位置、坡向、温度和湿度等出现特殊变化，造成局部区域形成有别于大区域的更为严重的覆冰条件。这种微气象条件覆冰具有范围小、隐蔽性强等特点，使得输电线路设计、运行维护人员难以采取防冰抗冰措施。因此，需要对该种情况的线路覆冰进行预测，以提前采取措施，避免事故发生。

3、目前的输电线路覆冰检测模型主要有传统的数学统计模型和图像检测技术，仅依靠数学统计模型或图像检测技术将导致模型的鲁棒性较差以及过拟合等问题，难以精准预测输电线路在微气象这种特殊条件下的线路覆冰情况，因此，亟需一种能够预测精度高的覆冰预测模型。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一。

2、为此，本发明第一方面提供了一种基于多源覆冰监测数据的二阶集成覆冰预测方法。

3、本发明第二方面提供了一种计算机设备。

4、本发明提供了一种基于多源覆冰监测数据的二阶集成覆冰预测方法，包括：

5、对指定微地形气象情景下的输电线路监测时间序列数据，并对输电线路的时间序列数据进行特征提取；

6、利用根据时间序列数据提取的特征建立覆冰序列数据的预测模型；

7、获取输电线路覆冰监测图像数据，提取输电线路覆冰图像的特征；

8、利用根据输电线路覆冰图像提取的特征建立覆冰图像数据的预测模型；

9、根据所述覆冰序列数据的预测模型和所述覆冰图像数据的预测模型并采用简单平均集成方法构建多源数据集成预测模型，将所述多源数据集成预测模型用于最终覆冰厚度预测结果的获取。

10、根据本发明上述技术方案的基于多源覆冰监测数据的二阶集成覆冰预测方法，还可以具有以下附加技术特征：

11、在上述技术方案中，所述时间序列数据包括按时间排序的传感器采集数据，所述传感器采集数据包括线路拉力、光纤状态、微气象和微波状态中的至少一种，所述微气象包括风速、温度和降水量。

12、在上述技术方案中，采用自编码算法对输电线路的时间序列数据进行特征提取，包括：

13、选取一段微气象的数据作为样本集，以预设间隔时长内数据为一组的方式，将数据划分为数据集d1，d2...dn，其中d∈(x1，x2)，x1∈rp×q，x2∈rp×m，r表示特征维度矩阵，p表示的是样本的个数，q表示的是微气象特征的维度，m表示的是线路拉力特征的维度；

14、采用编码-解码的方式对传感器采集的原始数据进行数据重构，其中，传感器采集的原始数据x从输入层到隐藏层的编码过程包括：

15、h＝σ1(w1x+r1)

16、其中，h表示隐变量，w1与r1为编码器的权重偏置，σ1为编码层激活函数，x表示数据集d中的数据样本x1或x2；

17、从隐藏层到输出层的数据解码过程包括：

18、xr＝σ2(w2h+r2)

19、其中，xr表示重构的数据，w2与r2为解码器的权重偏置，σ2为解码层激活函数；

20、所述自编码算法的目标函数为：

21、minloss＝dist(x，xr)

22、其中，dist表示向量距离计算函数。

23、在上述技术方案中，所述利用根据时间序列数据提取的特征建立覆冰序列数据的预测模型，包括：

24、借助长短期记忆网络，利用训练集和测试集训练调试模型，建立覆冰序列数据的预测模型：

25、yts＝fts(xts)

26、其中，xts表示覆冰时序特征数据，fts表示覆冰厚度与覆冰时序特征数据之间的映射关系，yts表示时间序列预测模型的输出结果。

27、在上述技术方案中，所述利用根据输电线路覆冰图像提取的特征建立覆冰图像数据的预测模型，包括：

28、使用resnet-18模型提取覆冰图像的特征，随后进行网络模型训练，构建覆冰图像数据的预测模型：

29、yim＝fim(xim)

30、其中，xim表示覆冰图像特征数据，fim表示覆冰厚度与覆冰图像数据之间的映射关系，yim表示图像数据预测模型的输出结果。

31、在上述技术方案中，所述根据所述覆冰序列数据的预测模型和所述覆冰图像数据的预测模型并采用简单平均集成方法构建多源数据集成预测模型，包括：

32、根据微气象数据与历史统计中典型微地形的微气象数据之间的相似性，进行权重分配；

33、采用简单平均集成方法对所述覆冰序列数据的预测模型和所述覆冰图像数据的预测模型进行融合；

34、在多个微地形气象情景下建立多个多源数据集成预测模型，并通过自适应加权集成综合多个模型的信息获取最终覆冰厚度预测结果。

35、在上述技术方案中，所述根据微气象数据与历史统计中典型微地形的微气象数据之间的相似性，进行权重分配，包括：

36、将目标线路的微气象数据与历史统计中的典型微气象数据进行聚类，得到多个簇，每个簇对应一个聚类中心；

37、将目标线路数据映射到这些聚类中心上，并计算它们之间的欧氏距离；

38、利用目标线路数据到某个聚类中心的欧式距离来表征目标线路数据与某微气象历史数据的相似程度，进而根据相似程度为每个微地形气象情景模型分配权重；每个微地形气象情景模型分配权重的计算方法包括：

39、

40、

41、其中，di表示目标线路数据与第i个微地形气象情景模型的相似度，即欧氏距离；n表示微地形气象情景模型的数量；表示n个微地形气象情景模型中每个模型与目标线路数据的相似分数之和；xi,yi表示第i个聚类中心的坐标；x，y表示目标线路数据的坐标。

42、在上述技术方案中，所述采用简单平均集成方法对所述覆冰序列数据的预测模型和所述覆冰图像数据的预测模型进行融合，包括：

43、采用性能加权的方法，利用模型在验证集上的表现评估覆冰序列数据的预测模型和覆冰图像数据的预测模型的权重；

44、其中，运行覆冰序列数据的预测模型以及覆冰图像数据的预测模型，并在同一验证数据集上记录它们的预测结果，随后计算每个模型的预测误差，将预测误差作为模型性能得分，以性能得分为依据获得两种预测模型的权重a和b；

45、根据两种预测模型的权重得到场景的预测结果为：

46、

47、其中，a表示覆冰序列数据的预测模型的集成权重，b表示覆冰图像数据的预测模型的集成权重，ytsi表示场景i下的覆冰序列数据的预测模型的预测结果，yimi表示场景i下的覆冰图像数据的预测模型的预测结果，表示场景i下的最终预测结果。

48、在上述技术方案中，所述在多个微地形气象情景下建立多个多源数据集成预测模型，并通过自适应加权集成综合多个模型的信息获取最终覆冰厚度预测结果，包括：

49、

50、其中，表示最终的覆冰厚度预测结果。

51、本发明还提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现如上述任一技术方案所述的基于多源覆冰监测数据的二阶集成覆冰预测方法。

52、综上所述，由于采用了上述技术特征，本发明的有益效果是：

53、本发明中，在覆冰预测模型中将多源数据融合，能够有效整合不同数据源，提供全面的覆冰预测信息。本方法具备处理不同类型数据的能力，提高数据处理的多样性和适应性。本发明采用多阶段集成和自适应加权方法，提高覆冰预测的适应性和准确性，从而维持电力系统的高稳定性和可靠性。

54、本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。