[发明专利]一种输电线路的覆冰厚度预测方法及装置

说明书

本发明涉及一种输电线路的覆冰厚度预测方法及装置，包括：获取输电线路未来时刻的气象数据预测值；将未来时刻输入至自回归积分滑动平均模型，获取自回归积分滑动平均模型输出的覆冰厚度初始值；将输电线路未来时刻的气象数据预测值输入至支持向量回归模型，获取支持向量回归模型输出的覆冰厚度误差值；根据所述覆冰厚度初始值和所述覆冰厚度误差值确定未来时刻的输电线路的覆冰厚度最终预测值；本发明技术方案通过组合预测模型，提高了输电线路覆冰厚度预测的准确性。

技术领域

本发明涉及电力系统智能运维技术领域，具体涉及一种输电线路的覆冰厚度预测方法及装置。

背景技术

随着经济的发展和社会的进步，人们对电力系统的稳定性与安全性的要求日益强烈，保障电力设施的安全可靠，以及相关的精准预测和维护是电力系统智能运维亟需解决的关键问题之一。国内外的学者就输电线路覆冰问题建立了很多覆冰预测模型，从模型的原理角度出发，大致可分为机理模型、传统统计模型以及智能计算模型；机理模型关注的是覆冰的生成过程，利用流体力学、热力学以及气象学的相关理论从内部机理的角度出发对覆冰导线进行建模分析，考虑到覆冰过程复杂多变，模型在同一气象下预测覆冰厚度时同样存在较大的偏差，很难在实际应用中推广；传统统计模型则不用考虑实际覆冰的过程和物理机理，而是通过对以往数据进行统计分析进行预测；传统的统计学模型仅仅是对数据的简单分析处理，泛化性能并不强；智能计算模型采用人工智能算法来寻找途径，但事实上很多的智能计算模型忽视了时间累积的效应，没有很好地挖掘出历史数据所蕴含的特征量，从而影响了输电线路覆冰厚度预测的准确度。

发明内容

针对现有技术的不足，本发明的目的是提供一种输电线路的覆冰厚度预测方法及装置，该方法及装置利用覆冰数据训练自回归积分滑动平均模型预测输电线路覆冰厚度的线性部分，基于布谷鸟搜索算法优化的支持向量回归算法模型去拟合预测值和真实值间的非线性误差，组合两个模型的预测结果实现最终的输电线路覆冰厚度的预测。

本发明的目的是采用下述技术方案实现的：

本发明提供的一种输电线路的覆冰厚度预测方法，其改进之处在于，包括：

获取输电线路未来时刻的气象数据预测值；

将未来时刻输入至自回归积分滑动平均模型，获取自回归积分滑动平均模型输出的覆冰厚度初始值；

将输电线路未来时刻的气象数据预测值输入至支持向量回归模型，获取支持向量回归模型输出的覆冰厚度误差值；

根据所述覆冰厚度初始值和所述覆冰厚度误差值确定未来时刻的输电线路的覆冰厚度最终预测值。

优选的，所述自回归积分滑动平均模型的训练过程包括：

利用第一历史时段中各历史时刻输电线路的覆冰厚度构建第一训练数据集；

将所述第一训练数据集中第一历史时段中各历史时刻作为自回归积分滑动平均模型的输入数据，将所述第一训练数据集中第一历史时段中各历史时刻输电线路的覆冰厚度作为自回归积分滑动平均模型的输出数据，训练自回归积分滑动平均模型，获取训练好的自回归积分滑动平均模型。

优选的，所述支持向量回归模型的训练过程包括：

利用第二历史时段中各历史时刻输电线路的覆冰厚度误差和第二历史时段中各历史时刻输电线路对应的气象数据构建第二训练数据集；

将所述第二训练数据集中第二历史时段中各历史时刻输电线路对应的气象数据作为支持向量回归模型的输入数据，将所述第二历史时段中各历史时刻输电线路的覆冰厚度误差作为支持向量回归模型的输出数据，并采用布谷鸟搜索算法优化支持向量回归模型，训练支持向量回归模型，获取训练好的支持向量回归模型。

进一步的，所述第二历史时段中各历史时刻输电线路的覆冰厚度误差的确定过程包括：