[发明专利]一种基于深度学习的输电线路覆冰类型预测方法

说明书

本发明公开了一种基于深度学习的输电线路覆冰类型预测方法，它包括获取历史探空数据；将不同高度的探测数据与探测开始时刻地面温度、湿度、输电线路覆冰类型构成一组数据；得到观测集合C并绘制温度‑气压高度图；并转换为图片与对应的地面温度、湿度和输电线路覆冰类型构成一组数据，最终得到数据集并划分为训练集和测试集；用训练集对CNN神经网络进行训练，用测试集进行检验；设置预测区域范围A，确定预测点处不同气压高度的温度与露点温度和预测点处的温度与湿度的预测值；制作温度‑气压高度图并转换为图片；将图片输入神经网络模型对预测点处未来的输电线路覆冰类型进行预测；解决了现有技术预测差错率比较高等技术问题。

技术领域

本发明属于输电线路覆冰监测领域，尤其涉及一种基于深度学习的输电线路覆冰类型预测方法。

背景技术

近些年以来随着逐渐加快的城市化进程，较多城市供电系统的负荷也呈现较快增长的应用形式，只有加强城市电力输电系统的安全建设才能够保障城市生产生活用电；覆冰是冬季输电线路上较为常见的现象，但是其对电力系统的威胁确实不容小觑；输电线路的覆冰灾害预警也伴随着输电线路建设得到越来越多的关注。

输电线路的覆冰灾害预警主要是通过预测气象数据来判断未来一段时间输电线路上的覆冰情况。但是由于不同类型的覆冰在输电线路上的附着力差距较大，单纯的等值覆冰厚度无法描述各处输电线路线路灾害的严重程度，不利于防冰抗冰工作中安排对灾害的合理应对措施；因此需要对输电线路覆冰类型进行监测预报。

现有的关于覆冰类型预测的方法主要有：基于数值仿真模型分析临界覆冰类型的方法，但是该方法并不能实际应用于覆冰类型的预测；因为该方法对于空气中的水滴直径、液态水含量等要素的计算需求决定了其主要是结合实际的气象条件判断当前覆冰类型，并不是真正意义上的对未来时间段的预测；基于温度垂轮廓线的覆冰类型预测方法，仅利用温度要素无法反映出空气中液态水的状态，并且仅以面积比值作为标准，忽略了温度曲线特征的影响，因此其预测差错率比较高。

发明内容

本发明要解决的技术问题是：提供一种输电线路覆冰类型预测方法，以解决现有技术存在的对覆冰类型预测并不是真正意义上的对未来时间段的预测和预测差错率比较高等技术问题。

本发明的技术方案是：

一种基于深度学习的输电线路覆冰类型预测方法，它包括：

步骤1、获取观测层的最高和最低相对地面的气压高度记录为[H₀,H]；站点的历史数据资料初始记录时间S₀和结束记录时间S_e；

步骤2、在[S₀，S_e]时间段内的历史数据中以每次探测活动记录下不同高度的探测数据与探测开始时刻地面温度、湿度、输电线路覆冰类型构成一组数据；该时段内的N组数据共同构成观测集合C；所述探测数据包括高空温度和高空露点温度；

步骤3、选取观测集合C中的一组数据绘制温度-气压高度图；

步骤4、将温度-气压高度图转换为像素值112×112的图片与对应的地面温度、湿度和输电线路覆冰类型构成一组数据；

步骤5、重复步骤3、4直至观测集合C中的所有观测数据都转换完成；

步骤6、将步骤4中得到的数据集划分为训练集和测试集；用训练集对CNN神经网络进行训练得到训练好的神经网络模型；

步骤7、将训练好的神经网络模型用测试集进行检验；

步骤8、设置预测区域范围A，确定各预测点处的不同气压高度的温度、露点温度、地面温度和地面相对湿度。

步骤9、按照步骤3制作温度-气压高度图并转换为像素值为112×112的图片；