[发明专利]一种基于监督学习的输电线路舞动分级预警方法

权利要求书

1.一种基于监督学习的输电线路舞动分级预警方法，其特征在于，所述方法包括以下步骤：

步骤一：确定舞动影响参量。以微气象元素作为影响参量，即以风向、标准风速、极大风速、十分钟平均风速、温度、湿度作为影响参量。

步骤二：利用单边滑动时间窗口对温度、湿度数据进行修正。定义曲折度Q反映温度变化曲线的不平滑性；偏离度M反映修正后的温度曲线和原曲线间的偏离程度。令H＝Q_归一化+M_归一化，H最小时，完成数据修正。

步骤三：对风向进行修正。根据导线走向和风向传感器记录的方位将风向修正为与线路轴向的夹角，取值范围为0～90°。

步骤四：确定微气象元素的影响权重和综合影响因子。

步骤五：筛选样本。将综合影响因子与振幅对应作为样本点，根据K-means聚类算法进行聚类，设置2个聚类中心，得到异常样本与正常样本两个类簇，剔除异常样本完成数据筛选。

步骤六：构建基于监督学习算法的输电线路舞动预测模型。

步骤七：根据预测结果进行分级预警。

2.根据权利要求1所述的一种基于监督学习的输电线路舞动分级预警方法，其特征在于，所述的步骤二中的温度、湿度数据具体修正方法如下：

设时间温度序列T＝{(t_i-k,b_i-k),…,(t_i-1,b_i-1),(t_i,b_i),(t_i+1,b_i+1),…}，单边滑动时间窗口长度为k。t_i时刻的预测温度值为b_i′，w_i-k,…,w_i-1为温度b_i-k,…,b_i-1对应的权重，采用平方加权法赋值权重。相应公示如下：

预测温度值b_i′对应的置信区间PCI为：

S_k为时间窗内温度数据标准差，α为t分布上分位点。

数据修正的方法为：通过单边滑动时间窗口求出t_i时刻的预测温度值b_i′和其置信区间，若传感器测得的温度b_i落在置信区间内，则b_i为正常数据；若b_i落在置信区间外，则b_i为异常数据，对其修正，用b_i′代替b_i。

定义曲折度Q反映温度变化曲线的不平滑性，曲折度Q含义为温度曲线呈现非单调变化时的变化幅值之和与数据量之比。设数据总量为N，对于一段相邻的温度序列(…,b_i-1,b_i,b_i+1,…)，有如下两种情况：

1)若(b_i-b_i-1)(b_i+1-b_i)≤0,则q_i＝|b_i-b_i-1|+|b_i+1-b_i|

2)若(b_i-b_i-1)(b_i+1-b_i)0,则q_i＝0

定义偏离度M反映修正后的温度曲线和原曲线间的偏离程度。原温度序列为(…,b_i-1,b_i,b_i+1,…)，修正后温度序列为(…,b_i-1″,b_i″,b_i+1″,…)，则：

曲折度Q越小，数据越平滑；偏离度M越小，保留信息越完整。令H＝Q_归一化+M_归一化，结果最小时，数据修正效果最好，完成对温度数据的修正。

对湿度数据采用同样的方法进行修正。