[发明专利]一种输电线路在线巡视结果状态的预测方法

说明书

本发明属于输电线路巡检技术领域，具体的说是涉及一种输电线路在线巡视结果状态的预测方法。本发明的方法主要包括：定期采集数据，生成训练样本数据，将样本数据集进行拆分，采用逻辑回归二元分类模型进行预测，建立模型，采用梯度下降法进行求解，对模型进行训练，采用AUC评价指标对模型进行评估，模型更新，即将前一时期采集数据训练得到的评估指标和当前采集数据得到的评估指标进行对比，根据大小判断是否用当前模型替代前一时期的模型。本发明的有益效果为：本发明采用机器学习技术，对输电线路在线巡检作业结果状态进行智能的评估预测，以支撑智能化的作业排班和计划生成。

技术领域

本发明属于输电线路巡检技术领域，具体的说是涉及一种输电线路在线巡视结果状态的预测方法。

背景技术

输电通道安全是影响供电安全的根本，但输电通道通常位于原始森林、无人区等复杂环境下，因此对输电通道的巡检是相关部门的重难点工作之一。传统模式下，对输电通道的巡视主要以人工巡视、定期的直升机、无人机巡视等方式进行，存在难度大、成本高、效率低等问题。而随着物联网技术、网络通信技术、大数据技术的快速发展，以及国家电网关于泛在电力物联网的提出，通过输电线路上传感器、在线监测设备实现对输电线路远程巡视的方式得到广泛应用。

因为在线巡视作业的核心是利用分布在输电塔基上的巡视设备完成巡视作业，因此在线巡视面临着作业数量多、网络通道占用等问题，所以作业的调度和计划生成也更加困难。以大数据、人工智能技术为基础实现自动、智能化的输电线路在线巡视作业，是解决人工驱动作业流程中存在的低效、标准化不足、智能化程度低的一种趋势。

在线巡视作业是利用分布在输电通道上的众多巡视设备完成通道环境、塔基及部件的周期性或临时性巡视，巡视完成的标准是：按照标准完成现场照片拍摄或视频录制、并智能地对巡视对象健康状态进行评估。但由于受到设备健康状态、气象条件、作业类型、网络信号干扰等多种因素的影响，下发的巡视任务并不能每次都成功。为了确保数据驱动在线巡视作业流程的智能化和完整性，在巡视任务下发前对任务执行结果能否成功进行预测评估是必要的。

机器学习是从数据中学习知识并转化为系统智能的一种技术，近年来随着数据挖掘、大数据和人工智能等概念的兴起和发展，机器学习被广泛应用于各行各业。比如，锅炉状态评估、纺织机状态预测、物联网设备健康诊断等。这些研究和应用显示了机器学习技术在设备作业方面的应用价值。与此同时，在作业结果预测领域，有研究将集成学习、决策树等方法应用于“云计算”中的作业调度。这些研究和应用，并未解决在线巡视作业场景中特征提取、模型构建的相关问题，也缺少对作业结果状态预测中机器学习“冷启动”以及模型优化学习机制讨论。

发明内容

本发明围绕输电线路在线巡检领域的特点，在生成巡视作业计划前对巡视作业结果状态(是否成功)进行预测的问题，形成一种以机器学习进行结果状态评估的建模和预测方法。

为实现上述目的，本发明采用如下技术方案：

一种输电线路在线巡视结果状态的预测方法，包括以下步骤：

S1、定期采集数据，包括作业区域天气预报数据、设备历史在线巡视作业执行记录和作业结果状态数据；