CN104239672A - 一种输电线路覆冰过程的微气象特征提取及定性预警方法 - Google Patents

Abstract

一种输电线路覆冰过程的微气象特征提取及定性预警方法，属架空输电线路在线监测技术领域。该方法利用输电线路覆冰在线监测装置记录的历史数据，包括覆冰负荷数据及对应的微气象数据，基于粒子群聚类方法，提取输电线路覆冰过程的微气象特征。再根据导线及杆塔的设计承载能力制定判决模型，依据模糊推理FR(Fuzzy Reasoning)推导估计灾害发生的等级情况，从而进行定性预警。该方法能够自动对输电线路覆冰过程进行分类，并提取每一类的微气象特征信息；能够对覆冰脱落过程进行预测；能够通用的、有效的确定覆冰过程定性预测模型(模糊推理)中论域的划分以及隶属度函数参数的确定，从而克服凭借人工经验或手工统计方法带来的不确定性。

Description

一种输电线路覆冰过程的微气象特征提取及定性预警方法

技术领域

本发明属架空输电线路在线监测技术领域，涉及一种输电线路覆冰过程微气象特征提取及定性预警方法，具体涉及基于微气象信息的低纬度高海拔地区输电线路覆冰灾害定性分析及预测方法。 

背景技术

我国的云、贵、川、渝、湘、陕等低纬度高海拔地区，由于地形地貌复杂，气候环境多变，每年冬季在微地形和微气候的共同影响下经常发生严重覆冰事故，对当地的经济及人民的生活造成巨大的危害。因此，如何根据气象部门提供的气象信息预测有可能对输电线系统造成的覆冰灾害影响已成为亟需解决的问题。 

然而输电线路覆冰过程的是一个高维的非线性时间序列过程，具有动态性、不确定性、非线性、高维及突变等特性。不论是基于机理模型还是统计学模型，其本质都是基于解析模型的覆冰预测方法。该类模型虽然可以利用微观气象信息对覆冰状况进行监测和预报，但要求解析模型的精确化。而输电线路覆冰过程解析模型不易建立，且模型中含有较多的待定参数和经验参数，因此在实际的应用过程中无法满足不同监测点的地理和气候特性，其模型的鲁棒性显然存在问题。 

而另一方面，现有的输电线路覆冰监测系统在运行过程中积累了大量的现场数据，例如温度、湿度、风速、风向、雨量、气压、绝缘子拉力、绝缘子倾斜角及风偏角、实时覆冰负荷等数据信息，而这些数据信息即为现场监测点气象因子与输电线路覆冰过程模型I/O映射关系最真实的反映。因此不少学者基于数据驱动建模的思想，提出了以机器学习为主要方法的覆冰负荷定量预测的智能计算方法，和以模糊推理为主要方法的覆冰负荷定性预测的智能计算方法。特别是在覆冰负荷定性预测的智能计算方法方面，由于其推理判定过程更接近人类的思考过程和自然语言，且在工程应用中较为容易实现，因此特别适用于解决覆冰负荷预测的不确定性和多影响因素的综合性复杂应用问题。 

但是在上述文献中，以模糊推理为主的覆冰负荷定性预测方法，对隶属度函数及模糊语言论域的定义和划分，主要依靠对监测点历史数据的经验判定，缺乏一般化的、标准而有效的分析判定方法，且未能对覆冰脱落阶段进行预测。 

本文提出了基于粒子群聚类算法的输电线路覆冰过程微气象特征提取模型，该模型能够对覆冰过程进行定性分析，并提取每个阶段的微观气象特征，从而为以模糊推理为主导的覆冰负荷定性预测方法提供建模依据，并能对覆冰脱落过程进行较好的预测。 

发明内容

本发明的目的在于提供一种输电线路覆冰过程微气象特征提取及定性预警方法。 

本发明的一种输电线路覆冰过程的微气象特征提取及定性预警方法，利用输电线路覆冰在线监测装置记录的历史数据,包括覆冰负荷数据及对应的微气象数据,基于粒子群聚类方法,提取输电线路覆冰过程的微气象特征，该微气象特征为该监测点的输电线路当气象条件达到何种程度时无覆冰、轻微覆冰、中等覆冰、严重覆冰及覆冰脱落；再根据导线及杆塔的设计承载能力制定判决模型，该模型中的隶属度函数的待定参数由提取的微气象特征确定；最后依据模糊推理FR（Fuzzy Reasoning）推导估计灾害发生的等级情况，进行定性预警；具体步骤如下： 

步骤1：对参与聚类的变量,包括微气象信息、时效因子与对应的覆冰负荷数据进行相关分析，剔出与覆冰过程相关性小的变量，降低聚类数据的维度；其中，步骤1应包括以下实现过程：

a.确定时效因子，优选时间变量T为时效因子，时间间隔为微气象数据采样周期；

b.对微气象信息、时效因子与对应的覆冰负荷数据进行规一化处理；优选主元分析法进行相关分析，剔出与覆冰过程相关性小的变量，降低聚类数据的维度。

步骤2：基于粒子群聚类算法，对微气象信息、时效因子与对应的覆冰负荷数据过程信息进行自动分类，一般分为无覆冰、轻微覆冰、中度覆冰、严重覆冰、覆冰脱落五个阶段；其特征在于步骤2应包括以下实现过程：其中，步骤2应包括以下实现过程： 

基于粒子群聚类算法，对降维后的微气象数据进行自动分类；优选具有完整覆冰过程的历史数据进行聚类；优选粒子群聚类算法对如温度、湿度、风速等微气象信息，以及时效、覆冰负荷进行聚类处理；优选5个聚类类型进行自动分类，分类结果包括：无覆冰、轻微覆冰、中度覆冰、严重覆冰、覆冰脱落。

步骤3：通过统计学模型计算前步五个阶段的微气象信息的特征数据，包括温度、湿度、风速等微气象信息平均值、最大值、最小值； 

步骤4：依据步骤3提取的微气象数据特征，确定覆冰过程定性预测的模糊推理模型，包括论域的划分、隶属度函数参数的确定；该模型根据提前知晓的气象信息对覆冰过程进行定性预测，即是否处于无覆冰、轻微覆冰、中度覆冰、严重覆冰或覆冰脱落五个阶段之一；    

步骤5：依据步骤4覆冰过程定性预测结果，结合该监测点对应的导线冰载荷设计标准，计算出覆冰灾害预警信息。

与现有技术相比，本发明的有益效果是：

1、能够自动对输电线路覆冰过程进行分类,并提取每一类的微气象特征信息,即:在何种气象条件下出现无覆冰、轻微覆冰、中度覆冰、严重覆冰、覆冰脱离五种类型；

2、能够对覆冰脱落过程进行预测； 

3、能够通用的、有效的确定覆冰过程定性预测模型（模糊推理）中论域的划分以及隶属度函数参数的确定，从而克服凭借人工经验或手工统计方法带来的不确定性。

附图说明

图1为本发明的覆冰过程定性预测系统数据处理流程图。 

图2为本发明的基于粒子群算法的数据聚类模型的建模流程图。 

具体实施方式

本实施例的输电线路覆冰过程的微气象特征提取及定性预警方法同发明内容部分所述。 

下面结合附图对本发明作进一步的详细说明。 

本发明所用的数据采集、处理装置硬件系统均为市场购买，或利用已有的输电线路在线监测装置。主要实现对绝缘子张力、风偏角、倾斜角的力学传感信息的采集，以及对温度、湿度、风速、风向、日照强度、及气压微气象信息的采集；并把力学信息和微气象信息传送至数据监控中心。 

数据监控中心对上述信息进行存储备份。 

按照图1所示，先对历史气象数据(温度、湿度、风速、时效、覆冰负荷)进行聚类，聚类的具体算法按照图2所示。从而把所有样本数据分为了5类，分别对应分为无覆冰、轻微覆冰、中度覆冰、严重覆冰、覆冰脱落五个阶段。 

根据前述分类结果，即特征提取结果，依据模糊推理的基本原理，建立覆冰威胁的状态估计模型，具体实现过程如下： 

(1)             定义1: 假定 U 为微观气象因素的集合。

U＝{T,H,V}                                           

T,H,V 分别代表温度、湿度及风速

(2)                            定义2: 假定S 为覆冰威胁状态变量集合。

S＝{N,L,M,G,F}                                        

N,L,M,G,F 分别代表无覆冰、轻微覆冰、中度覆冰、严重覆冰及覆冰脱离。

(3)             定义3:  假定R 为模糊隶属度函数矩阵。 

$R=\left[\begin{array}{ccccc}{r}_{\mathrm{TN}}& r_{\mathrm{TL}}& r_{\mathrm{TM}}& r_{\mathrm{TG}}& r_{\mathrm{TF}}\\ r_{\mathrm{HN}}& r_{\mathrm{HL}}& r_{\mathrm{HM}}& r_{\mathrm{HG}}& r_{\mathrm{HF}}\\ r_{\mathrm{VN}}& r_{\mathrm{VL}}& r_{\mathrm{VM}}& r_{\mathrm{VG}}& r_{\mathrm{VF}}\end{array}\right]$

其中r_ij为微观气象因子U与覆冰威胁状态S的隶属度函数。例如r_TM代表温度与中度覆冰状态的隶属度函数。而隶属度函数矩阵的建立就是依赖于前述的特征提取。 

例如，我们能够根据前述的特征提取结果建立r_TN,r_TN and r_VN的隶属度函数，如下所示： 

$r_{\mathrm{TN}}=\left\{\begin{array}{cc}1,& 0\≤{\mathrm{\μ}}_T\left(t\right)\≤0.02\\ e^{-5{[{\mathrm{\μ}}_T\left(t\right)-0.02]}^2},& {\mathrm{\μ}}_T\left(t\right)>0.02\text{'}\end{array}\right.$ define: ${\mathrm{\μ}}_T\left(t\right)=\left\{\begin{array}{cc}1,& t\≤-8\\ e^{-0.45{(t+8)}^2},& t>-8\end{array}\right.$

$r_{\mathrm{HN}}=\left\{\begin{array}{cc}1,& 0\&le;{\mathrm{\&mu;}}_H\left(h\right)\&le;0.1\\ {1-e}^{-5{[{\mathrm{\&mu;}}_T\left(t\right)-0.1]}^2},& {\mathrm{\&mu;}}_H\left(h\right)>0.1\text{'}\end{array}\right.$ define: ${\mathrm{\&mu;}}_H\left(h\right)=\left\{\begin{array}{cc}0,& 0\&le;h\&le;70\\ \frac{h-70}{90-70},& 70<h\&le;90\\ 1,& h>90\end{array}\right.$

$r_{\mathrm{VN}}=\left\{\begin{array}{cc}{e}^{{-5[{\mathrm{\&mu;}}_V\left(v\right)-0.2]}^2},& 0\&le;{\mathrm{\&mu;}}_V\left(v\right)\&le;0.2\\ 1,& {\mathrm{\&mu;}}_V\left(v\right)>0.2\end{array}\right.,$ define: ${\mathrm{\&mu;}}_V\left(v\right)=\left\{\begin{array}{cc}0,& 0\&le;v\&le;70\\ \frac{v-5}{17-5},& 5<v\&le;17\\ 1,& v>17\end{array}\right.$

因此最终的覆冰威胁状态预测结果依据以下公式计算得出： 

$\begin{array}{c}S=U\&CenterDot;R\\ =\left[\begin{array}{ccc}T& H& V\end{array}\right]\left[\begin{array}{ccccc}{r}_{\mathrm{TN}}& r_{\mathrm{TL}}& r_{\mathrm{TM}}& r_{\mathrm{TG}}& r_{\mathrm{TF}}\\ r_{\mathrm{HN}}& r_{\mathrm{HL}}& r_{\mathrm{HM}}& r_{\mathrm{HG}}& r_{\mathrm{HF}}\\ r_{\mathrm{VN}}& r_{\mathrm{VL}}& r_{\mathrm{VM}}& r_{\mathrm{VG}}& r_{\mathrm{VF}}\end{array}\right]\\ =\left[\begin{array}{ccccc}N& L& M& G& F\end{array}\right]\end{array}$

Claims (3)

1.一种输电线路覆冰过程的微气象特征提取及定性预警方法，其特征在于：该方法利用输电线路覆冰在线监测装置记录的历史数据,包括覆冰负荷数据及对应的微气象数据,基于粒子群聚类方法,提取输电线路覆冰过程的微气象特征，该微气象特征为该监测点的输电线路当气象条件达到何种程度时无覆冰、轻微覆冰、中等覆冰、严重覆冰及覆冰脱落；再根据导线及杆塔的设计承载能力制定判决模型，该模型中的隶属度函数的待定参数由提取的微气象特征确定；最后依据模糊推理Fuzzy Reasoning推导估计灾害发生的等级情况，进行定性预警；具体步骤如下：

步骤1：对参与聚类的变量,包括微气象信息、时效因子与对应的覆冰负荷数据进行相关分析，剔出与覆冰过程相关性小的变量，降低聚类数据的维度；

步骤2：基于粒子群聚类算法，对微气象信息、时效因子与对应的覆冰负荷数据过程信息进行自动分类，一般分为无覆冰、轻微覆冰、中度覆冰、严重覆冰、覆冰脱落五个阶段；

步骤3：通过统计学模型计算前步五个阶段的微气象信息的特征数据，包括温度、湿度、风速等微气象信息平均值、最大值、最小值；

步骤4：依据步骤3提取的微气象数据特征，确定覆冰过程定性预测的模糊推理模型，包括论域的划分、隶属度函数参数的确定；该模型根据提前知晓的气象信息对覆冰过程进行定性预测，即是否处于无覆冰、轻微覆冰、中度覆冰、严重覆冰或覆冰脱落五个阶段之一；

步骤5：依据步骤4覆冰过程定性预测结果，结合该监测点对应的导线冰载荷设计标准，计算出覆冰灾害预警信息。

2.权利要求1所述的一种输电线路覆冰过程的微气象特征提取及定性预警方法，其特征在于步骤1应包括以下实现过程：

a.确定时效因子，优选时间变量T为时效因子，时间间隔为微气象数据采样周期；

b.对微气象信息、时效因子与对应的覆冰负荷数据进行规一化处理；优选主元分析法进行相关分析，剔出与覆冰过程相关性小的变量，降低聚类数据的维度。

3.权利要求1所述的一种输电线路覆冰过程的微气象特征提取及定性预警方法，其特征在于步骤2应包括以下实现过程：

基于粒子群聚类算法，对降维后的微气象数据进行自动分类；优选具有完整覆冰过程的历史数据进行聚类；优选粒子群聚类算法对如温度、湿度、风速等微气象信息，以及时效、覆冰负荷进行聚类处理；优选5个聚类类型进行自动分类，分类结果包括：无覆冰、轻微覆冰、中度覆冰、严重覆冰、覆冰脱落。