[发明专利]基于误差统计分析的输电线路杆塔雨量修正方法及装置

权利要求书

1.基于误差统计分析的输电线路杆塔雨量修正方法，其特征在于，包括：

获取多个历史时间点的区域雨量监测数据和对应历史时间点的区域雨量网格化预测数据，将雨量监测数据插值至输电线路杆塔处，获得每个杆塔处的雨量监测数据；将雨量网格化预测数据插值至输电线路杆塔处，获得每个杆塔处的雨量预测数据；

以输电线路杆塔为单位，计算每个输电线路杆塔单元处不同历史时间点的雨量误差值，所述雨量误差值为每个杆塔处的雨量监测数据减去每个杆塔处的雨量预测数据；

与雨量误差值的历史时间点对应，获取每个输电线路杆塔处相应历史时间点的信息数据，将信息数据进行归一化处理，获得特征数据，所述信息数据包括气象信息、地理信息、电网信息和历史降雨时间段信息；

雨量误差值和特征数据一一对应构成多组样本数据，获得样本数据集；

设定回归模型的统计学习方法，利用样本数据集对回归模型进行训练和测试，获得雨量修正模型；

获取待预测杆塔处的特征数据输入至雨量修正模型，输出对应的雨量误差值，使用雨量误差值对待预测杆塔处的雨量预测数据进行修正，获得最终预测数据，若最终预测数据大于设定阈值时，发送预警信息至输电线路杆塔运维单位。

2.根据权利要求1所述的基于误差统计分析的输电线路杆塔雨量修正方法，其特征在于，所述设定回归模型的统计学习方法，利用样本数据集对回归模型进行训练和测试，获得雨量修正模型的步骤，具体为：

设定回归模型的统计学习方法；

调整回归模型的参数条件，利用样本数据集对相同参数的回归模型训练测试多次，每一次训练测试包括步骤201至步骤203：

步骤201，从样本数据集中随机选取部分样本数据作为训练样本，剩余样本数据作为测试样本，所述剩余样本数据为从样本数据集中剔除部分样本数据所剩余的样本数据；

步骤202，将训练样本的雨量误差值作为回归模型输出，将训练样本的特征数据作为回归模型输入，将训练样本的雨量误差值和特征数据同时输入至回归模型进行训练；

步骤203，输入测试样本的特征数据至回归模型进行测试，输出对应的雨量误差值；

计算不同参数条件下回归模型的误差指标，所述误差指标包括模型测试输出的雨量误差值和测试样本的雨量误差值的均方误差，所述误差指标还包括模型测试输出的雨量误差值和测试样本的雨量误差值的均方根误差；

选择均方误差和均方根误差平均值最小的参数条件，获得雨量修正模型。

3.根据权利要求2所述的基于误差统计分析的输电线路杆塔雨量修正方法，其特征在于，所述均方误差采用以下模型获得：

式中，MSE为均方误差，n为对模型进行测试的样本总数，y_i为第i个样本数据的雨量误差值，y_i'为模型测试输出的雨量误差值；

所述均方根误差采用以下模型获得：

式中，RMSE为均方根误差，n为样本数量，y_i为第i个样本数据的雨量误差值，y_i'为模型测试输出的雨量误差值。

4.根据权利要求1所述的基于误差统计分析的输电线路杆塔雨量修正方法，其特征在于，所述将雨量监测数据和雨量网格化预测数据插值至输电线路杆塔处采用的插值方法包括反距离插值、空间线性插值法、最近邻算法和三次内插值法。

5.根据权利要求1所述的基于误差统计分析的输电线路杆塔雨量修正方法，其特征在于，所述统计学习方法包括支持向量回归算法、随机森林算法、渐进梯度回归树算法和神经网络算法。

6.根据权利要求1所述的基于误差统计分析的输电线路杆塔雨量修正方法，其特征在于，所述气象信息包括温度预报信息和降雨预报信息。

7.根据权利要求1所述的基于误差统计分析的输电线路杆塔雨量修正方法，其特征在于，所述地理信息包括海拔、坡度、坡向和坡位。