CN105809287A - 一种高压输电线路覆冰过程综合预测方法 - Google Patents
一种高压输电线路覆冰过程综合预测方法 Download PDFInfo
- Publication number
- CN105809287A CN105809287A CN201610133704.5A CN201610133704A CN105809287A CN 105809287 A CN105809287 A CN 105809287A CN 201610133704 A CN201610133704 A CN 201610133704A CN 105809287 A CN105809287 A CN 105809287A
- Authority
- CN
- China
- Prior art keywords
- icing
- evidence
- transmission line
- signment
- power transmission
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 230000008569 process Effects 0.000 title claims abstract description 57
- 230000005540 biological transmission Effects 0.000 title claims abstract description 48
- 239000008186 active pharmaceutical agent Substances 0.000 claims abstract description 18
- 230000004927 fusion Effects 0.000 claims abstract description 12
- 238000012706 support-vector machine Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 27
- 239000011248 coating agent Substances 0.000 claims description 18
- 238000000576 coating method Methods 0.000 claims description 18
- 238000012417 linear regression Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 abstract description 2
- 230000003247 decreasing effect Effects 0.000 abstract 1
- 238000013210 evaluation model Methods 0.000 abstract 1
- 238000012847 principal component analysis method Methods 0.000 abstract 1
- 238000011160 research Methods 0.000 description 6
- 230000008014 freezing Effects 0.000 description 5
- 238000007710 freezing Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000004781 supercooling Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种冰冻灾害下高压输电线路覆冰过程综合预测方法,属架空高压输电线路在线监测及预警技术领域。方法:用高压输电线路在线监测系统的覆冰过程历史数据和对应的微气象数据,建立包括数据预处理、覆冰过程预测和决策融合三个模块的覆冰过程预测融合系统。首先基于主元分析法对高维微气象数据进行降维处理,降低建模的复杂程度;后利用包括多元非线性回归模型、支持向量机模型、专家评分模型以及模糊推理模型,对输电线路覆冰过程进行定量或定性预测;再利用DS证据融合理论对上述四种预测结果进行联合判决,最终确认覆冰预警等级。优点:建模过程简化;克服了单一模型的不确定性,提高了预测的精度;为相关部门应对覆冰灾害做的决策提供有效的依据。
Description
技术领域:
本发明属架空高压输电线路在线监测及预警技术领域,涉及一种冰冻灾害下高压输电线路覆冰过程综合预测方法。
背景技术:
电力系统是一个复杂的系统,电能的广泛利用使人类生活水平达到前所未有的高度。然而,地震、台风、暴雨、冰雪等自然灾害发生使得电力系统面临了巨大的挑战,造成大型停电事故甚至是系统崩溃,从而给人类生产生活造成巨大的损失。特别是在我国的云贵川等低纬度高海拔地区,冬季较易发生冰冻灾害,其中高压输电线路覆冰是最主要的表现形式。在持续冰冻天气下,覆冰会破坏电力系统基础设施,尤其是可能引发导线舞动,造成倒塔、线路跳闸和断线故障。因此高压输电线路覆冰问题成了维持电网安全可靠运行的严重隐患,进行高压输电线路覆冰预警研究已成为当务之急。
自上个世纪90年代以来,国内外的工程技术人员及专家学者对高压输电线路覆冰问题展开了研究,并在覆冰预测模型等方面取得了不少研究成果。
1)第一类模型:L.Makkonen提出著名的Makkonen模型,对导线覆冰负荷进行估计或预测;刘胜春以导线覆冰计算理论研究为基础,用有限元软件,先计算出过冷却水滴的碰撞系数,然后通过对不同覆冰影响因子的计算,分析局部碰撞率、覆冰强度与温度、水滴直径、风速之间的相互关系,实现对输电线路覆冰过程的模拟;梁曦东等人从热力学角度和空气动力学角度出发,建立了覆冰时变仿真模型,求解出实时的覆冰形貌与质量,实验证明此模型对多变气象条件有较好的适应性。
2)第二类模型:Y.Sakamoto等在风洞试验室对输电线路覆冰进行研究,以统计学的方法建立预测覆冰负荷的数学模型;陆佳政等提出基于皮尔逊概率的覆冰预测方法,以历史覆冰日数作为观测样本,结合插值法,研究覆冰重量与覆冰日期的关系。
3)第三类模型:P.McComber等在智能算法基础上,以多层神经网络为主的方法进行导线覆冰预测,研究出气象因子与覆冰的函数映射关系;候雨伸等人提出了基于气象过程信息挖掘的覆冰预测方法,建立气象因子样本的隶属度函数,利用灰色斜率关联度确定气象参量样本权重,最后用支持向量机进行覆冰回归模型训练与预测。
根据上述国内外覆冰预测模型的研究,我们认为现有的三类模型中存在以下问题:
1)无论机理型模型还是统计型模型,其本质都是通过建立确定的、精确的解析模型来对覆冰状况进行监测和预测。但是输电线覆冰过程是一个多变量的非线性过程,具有突变性、不确定性、动态性和非线性等特点,其解析模型不易建立,并且无法建立一个通用的模型。因而在实际应用中很难通过确定的解析模型对覆冰进行预测。
2)智能计算型模型对覆冰进行预测,虽然不需要建立具体的函数关系式就能真实反映出微气象与覆冰过程之间的关系,但是它对于样本的完整性有很高的要求。然而实际上极端天气样本很难获得,使得训练模型无法真实的反映出气象因子与覆冰的对应关系。此外,对于覆冰过程的非线性、强耦合性、动态性及突变性,人工智能的传统方法显得无能为力。
另一方面,长期在现场工作的高压输电线路运维人员对冰冻灾害积累了许多预警经验,也为基于专家系统的高压输电线路覆冰过程的预测提供了基础数据,但其主观因素太强。
综上所述,对于高维的、非线性的、突变的复杂覆冰过程,使用单一的预测模型进行预测显然是不够的。因此,如何综合三类模型的优点,进一步提高覆冰预测的准确性是解决上述问题的一个思路。
发明内容:
本发明的目的在于克服已有高压输电线路覆冰预测模型的片面性,提供了一种高压输电线路覆冰过程的综合预测方法。
本发明方法利用监测点的覆冰过程历史数据,在原覆冰预警系统基础上,建立了包括数据预处理、覆冰预测和决策融合三个模块的高压输电线路覆冰过程的综合预测方法。该方法基于平滑滤波设计了覆冰监测数据去噪方法,基于主元分析法对预处理过的高维微气象数据进行降维处理,简化了覆冰过程模型的建立;再利用现有的覆冰预测模型对输电线路覆冰情况进行定量和定性的预测,并对定量的预测结果进行模糊定性处理;最后利用DS证据融合理论进行联合判决,最终根据联合判决的结果确认覆冰预警等级。
本发明所采用的技术方案是:首先基于主元分析法对高维微气象数据进行降维处理,降低了覆冰过程建模的复杂程度;而后利用现有的覆冰预测模型,包括多元非线性回归模型、支持向量机模型、专家评分模型以及模糊推理模型,对高压输电线路覆冰过程进行定量或定性的预测;最后利用DS证据融合理论对上述四种预测结果进行联合判决,最终确认覆冰预警等级。其具体特征步骤如下:
步骤1:基于主元分析法对高压输电线路覆冰过程的历史数据,包括线路覆冰负荷、温度、湿度、风速、风向、气压以及日照强度数据进行降维处理;
步骤2:基于多元非线性回归的定量覆冰预测模型的分析结果作为证据1的基本概率赋值,基于支持向量机的定量覆冰预测模型的分析结果作为证据2的基本概率赋值,基于专家评分的定性覆冰预测模型的分析结果作为证据3的基本概率赋值,基于模糊推理的定性覆冰预测模型的分析结果作为证据4的基本概率赋值;
步骤3:基于DS证据理论合成规则,对步骤2所得的证据1、证据2、证据3、证据4的基本概率赋值进行合成融合,得到最终基本概率赋值,从而联合判决出覆冰过程预测结果,包括:无覆冰、轻微覆冰、中度覆冰、严重覆冰以及覆冰脱落。
上述所述步骤1包括以下实现过程:
步骤1.1:基于均值化方法对日照强度数据进行处理,即:以每天(24小时)为间隔,对日照强度数据进行平均;基于局部加权散点平滑方法对线路覆冰负荷、温度、湿度、风速、风向、气压数据进行去噪处理;
步骤1.2:基于主元分析法,对去噪后的覆冰负荷、温度、湿度、风速、风向、气压以及日照强度数据进行降维处理,简化覆冰预测模型的维度。
上述所述步骤2包括以下实现过程:
步骤2.1:利用基于多元非线性回归的覆冰预测模型,对高压输电线路的覆冰负荷进行定量预测,并把预测结果进行模糊化处理,得到覆冰过程的定性预测结果,作为DS证据理论中证据1的基本概率赋值;
步骤2.2:利用基于支持向量机的覆冰预测模型,对高压输电线路的覆冰负荷进行定量预测,并把预测结果进行模糊化处理,得到覆冰过程的定性预测结果,其结果作为DS证据理论中证据2的基本概率赋值;
步骤2.3:利用基于专家评分的覆冰预测模型,对高压输电线路的覆冰负荷进行定性预测,其结果作为DS证据理论中证据3的基本概率赋值;
步骤2.4:利用基于模糊推理的覆冰预测模型,对高压输电线路的覆冰负荷进行定性预测,其结果作为DS证据理论中证据4的基本概率赋值。
上述所述步骤3包括以下实现过程:
步骤3.1:根据DS证据理论合成规则对步骤2中所得证据1、证据2、证据3、证据4的基本概率赋值进行融合,得到最终的基本概率赋值;
步骤3.2:根据最终的基本概率赋值,判决出覆冰过程预测结果,包括:无覆冰、轻微覆冰、中度覆冰、严重覆冰以及覆冰脱落。
与现有技术相比,本发明的有益效果是:
1、降低了高压输电线路覆冰预测模型的维度,简化了建模过程;
2、综合了已有的高压输电线路覆冰预测模型的预测结果,包括定量预测的多元非线性回归模型、支持向量机模型,以及定性预测的专家评分模型、模糊推理模型,克服了单一预测模型的不确定性,提高了高压输电线路覆冰过程预测的精度,为相关部门应对覆冰灾害做的决策提供了有效的依据。
附图说明:
图1为本发明的高压输电线路覆冰过程综合预测系统总体框图。
具体实施方式:
下面结合附图对本发明作进一步的详细说明。
本实施例所用方法同发明内容部分描述。
图1为高压输电线路覆冰过程综合预测系统总体框图。本发明方法主要由数据预处理模块、覆冰预测模块、决策级融合模块组成。主要实施方式如下:
1)在数据预处理模块中,包括滤波去噪及异常值剔除、数据的时空配准、降维及知识约简(主元分析)。
①基于均值化方法对日照强度数据进行处理,即:把每天从0点0分开始到23点59分的日照强度数据进行平均,作为当天所有采样点的日照强度;然后基于局部加权散点平滑方法对线路覆冰负荷、温度、湿度、风速、风向、气压数据进行去噪处理。
②基于插值法对数据进行时空配准,由于各气象数据采集时间与输电线覆冰负荷采样时间存在差异,因此要对气象数据和覆冰负荷数据进行时空配准,即用插值法实现数据的时空配准。
③最后基于主元分析法,具体为主元贡献率累积和百分比法(CPV),对高压输电线路覆冰过程的历史数据,包括线路覆冰负荷、温度、湿度、风速、风向、气压以及日照强度数据进行降维处理。
2)在覆冰预测模块中,包括多元非线性回归预测模型、支持向量机预测模型、专家评分预测模型、模糊推理预测模型。
①多元非线性回归预测模型具体为基于Newton-Rapson算法的多元非线性拟合模型,自变量为温度、湿度、风速、风向、气压以及日照强度变量组中的主元,因变量为覆冰负荷。建立基于多元非线性回归预测模型,主要步骤如下:
用主元分析法对微气象因子进行了降维,将与输电线路覆冰有相关性的微气象因子X1、X2、X3…Xn作为输入数据,再加上一部分的覆冰负荷数据,利用MATLAB中的Newton-Rapson算法的非线性拟合工具进行建模。
Y(k)=f[X1(k),X2(k),X3(k),…,Xn(k)]
式中,Y(k)为覆冰负荷,Xi(k)i=1,2,3…n为温度、湿度等微气象因子,建立多元非线性回归模型。
②支持向量机预测模型的主要步骤如下:
先基于相空间重构理论,确定延迟和嵌入维数,构造高压输电线路覆冰过程混沌时间序列模型;再选择构建支持向量机的核函数,并初始化参数惩罚因子和核函参数,利用一个完整的覆冰过程数据作为训练集进行学习,建立微气象参数与覆冰负荷的映射模型;最后基于已建立的微气象参数与覆冰负荷的映射模型,根据系统采集的实时微气象数据对覆冰负荷进行估计。
③对多元非线性回归预测模型、支持向量机预测模型的输出结果进行模糊化处理,设定界限值A、B、C,这里的A、B、C的值并不是一个通用的值,而是根据每条输电线实际情况、杆塔所能承受的重量以及以往的经验来设定每条输电线路上的A、B、C的值;当覆冰值X<A时,认为是无覆冰、当覆冰值A≤X<B时,认为是轻微覆冰、当覆冰值B≤X<C时,认为是中度覆冰、当覆冰值X≥C时,认为是严重覆冰;即按照覆冰负荷量的范围定性划分为无覆冰、轻微覆冰、中度覆冰及严重覆冰,按照覆冰负荷负向变化量定性划分为覆冰脱落。
④专家评分预测模型,此模型无需对已有输电线覆冰分布规律进行统计分析,可直接根据专家经验对输电线影响因素的权重做出科学量化。它是利用冰冻灾害专家的经验对预警地区输电线路气象条件的熟知程度,确定影响因素的权重,并将具有不同量纲的属性值进行指数化;对量化指标进行综合分析,建立指标体系。建立专家评分预测模型。主要步骤如下:
以先验性知识为基础的预测方法,先将能包含大部分特征信息的微气象影响因子以人为经验按其重要性排队,通过层次分析法分析出各气象因子所占权重,并咨询专家对各个微气象因子每个阶段划分等级设计出打分表,然后经查询气象数据,进行打分,最后在系统复合,得到最终结果。
⑤模糊推理预测模型具体为基于模糊逻辑理论的覆冰预测模型,可根据模糊理论方法和分析步骤进行,模型输入量为温度、湿度、风速、风向、气压以及日照强度,模型的输出为覆冰负荷。建立基于模糊推理的覆冰预测模型。主要步骤如下:
首先对处理和降维后的数据进行粒子群算法聚类,将其分为六个类分别为无覆冰、轻度覆冰、覆冰增长、中度覆冰、严重覆冰、覆冰脱落;然后通过统计学模型计算温度、湿度、风速等微气象信息平均值、最大值、最小值;最后依据前步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。
3)在决策级融合模块中,建立基于DS证据理论的输电线路覆冰预测结果融合模型,得到最终决策结果,主要步骤如下:
分别对预测输电线路的微气象及覆冰重量进行数据采集,其中微气象包括温度、湿度、风速、降雨量、气压、日照。先对各个传感器收集的数据进行预处理;再将数据作为输入向量输入到各个预测模型中,各自得到关于输电线路覆冰预测结果;然后将上述四个模型的预测结果作为DS证据理论的证据进行覆冰预警融合计算,在融合过程中先对四个模型得到的证据1、2、3、4的进行两两融合,再选四个证据中的三个进行融合,然后将四个证据进行总的融合;最后经过基于基本概率赋值的判决方法进行判决数据,完成基于DS证据理论的覆冰预警计算。
Claims (4)
1.一种高压输电线路覆冰过程综合预测方法,其特征在于该综合预测方法主要包括数据预处理模块、覆冰预测模块、及决策级融合模块,其具体步骤如下:
步骤1:基于主元分析法对高压输电线路覆冰过程的历史数据,包括线路覆冰负荷、温度、湿度、风速、风向、气压以及日照强度数据进行降维处理;
步骤2:基于多元非线性回归的定量覆冰预测模型的分析结果作为证据1的基本概率赋值,基于支持向量机的定量覆冰预测模型的分析结果作为证据2的基本概率赋值,基于专家评分的定性覆冰预测模型的分析结果作为证据3的基本概率赋值,基于模糊推理的定性覆冰预测模型的分析结果作为证据4的基本概率赋值;
步骤3:基于DS证据理论合成规则,对步骤2所得的证据1、证据2、证据3、证据4的基本概率赋值进行合成融合,得到最终基本概率赋值,从而联合判决出覆冰过程预测结果,包括:无覆冰、轻微覆冰、中度覆冰、严重覆冰以及覆冰脱落。
2.根据权利要求1所述的一种高压输电线路覆冰过程综合预测方法,其特征在于所述步骤1包括以下实现过程:
步骤1.1:基于均值化方法对日照强度数据进行处理,即:以每天24小时为间隔,对日照强度数据进行平均;基于局部加权散点平滑方法对线路覆冰负荷、温度、湿度、风速、风向、气压数据进行去噪处理;
步骤1.2:基于主元分析法,对去噪后的覆冰负荷、温度、湿度、风速、风向、气压以及日照强度数据进行降维处理,简化覆冰预测模型的维度。
3.根据权利要求1所述的一种高压输电线路覆冰过程综合预测方法,其特征在于所述步骤2包括以下实现过程:
步骤2.1:利用基于多元非线性回归的覆冰预测模型,对高压输电线路的覆冰负荷进行定量预测,并把预测结果进行模糊化处理,得到覆冰过程的定性预测结果,作为DS证据理论中证据1的基本概率赋值;
步骤2.2:利用基于支持向量机的覆冰预测模型,对高压输电线路的覆冰负荷进行定量预测,并把预测结果进行模糊化处理,得到覆冰过程的定性预测结果,其结果作为DS证据理论中证据2的基本概率赋值;
步骤2.3:利用基于专家评分的覆冰预测模型,对高压输电线路的覆冰负荷进行定性预测,其结果作为DS证据理论中证据3的基本概率赋值;
步骤2.4:利用基于模糊推理的覆冰预测模型,对高压输电线路的覆冰负荷进行定性预测,其结果作为DS证据理论中证据4的基本概率赋值。
4.根据权利要求1所述的一种高压输电线路覆冰过程综合预测方法,其特征在于所述步骤3包括以下实现过程:
步骤3.1:根据DS证据理论合成规则对步骤2中所得证据1、证据2、证据3、证据4的基本概率赋值进行融合,得到最终的基本概率赋值;
步骤3.2:根据最终的基本概率赋值,判决出覆冰过程预测结果,包括:无覆冰、轻微覆冰、中度覆冰、严重覆冰以及覆冰脱落。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610133704.5A CN105809287A (zh) | 2016-03-10 | 2016-03-10 | 一种高压输电线路覆冰过程综合预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610133704.5A CN105809287A (zh) | 2016-03-10 | 2016-03-10 | 一种高压输电线路覆冰过程综合预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105809287A true CN105809287A (zh) | 2016-07-27 |
Family
ID=56467906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610133704.5A Pending CN105809287A (zh) | 2016-03-10 | 2016-03-10 | 一种高压输电线路覆冰过程综合预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105809287A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408859A (zh) * | 2016-12-15 | 2017-02-15 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 输电线路塔线体系覆冰预警系统及方法 |
CN106682771A (zh) * | 2016-12-14 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种基于微气象信息的输电线路覆冰厚度预测方法 |
CN107784393A (zh) * | 2017-10-27 | 2018-03-09 | 国网新疆电力公司电力科学研究院 | 一种输电线路的缺陷预测方法及装置 |
CN107918922A (zh) * | 2017-11-15 | 2018-04-17 | 中国联合网络通信集团有限公司 | 业务推荐方法及业务推荐装置 |
CN108921452A (zh) * | 2018-07-27 | 2018-11-30 | 国网河北能源技术服务有限公司 | 一种基于模糊算法的输电线路风险评估复合预警方法 |
CN109284859A (zh) * | 2018-08-24 | 2019-01-29 | 华北电力大学 | 一种输电线路覆冰预测方法 |
CN110796377A (zh) * | 2019-10-31 | 2020-02-14 | 云南电网有限责任公司信息中心 | 一种支持模糊理论的电网业务系统监控方法 |
CN110866693A (zh) * | 2019-11-14 | 2020-03-06 | 国网湖北省电力有限公司电力科学研究院 | 一种基于gis模型的架空输电线路覆冰风险评估方法 |
CN112070229A (zh) * | 2020-10-19 | 2020-12-11 | 中国农业科学院农业信息研究所 | 一种基于遗传算法的农业气象监测数据处理方法及系统 |
CN112232590A (zh) * | 2020-11-02 | 2021-01-15 | 国网湖南省电力有限公司 | 多源电力气象融合数据整体评估方法、系统及存储介质 |
CN112561278A (zh) * | 2020-12-08 | 2021-03-26 | 国网吉林省电力有限公司 | 一种基于物联网和故障树的输电线路运营风险应对方法 |
CN112597629A (zh) * | 2020-12-01 | 2021-04-02 | 中国电建集团江西省电力设计院有限公司 | 一种导线覆冰有无决策树模型及对导线覆冰有无判定和预测导线覆冰持续时间的方法 |
CN113052224A (zh) * | 2021-03-19 | 2021-06-29 | 国网河南省电力公司电力科学研究院 | 一种电力与气象多源数据的交互融合方法和系统 |
CN113469268A (zh) * | 2021-07-16 | 2021-10-01 | 云南电网有限责任公司电力科学研究院 | 基于误差统计分析的输电线路杆塔雨量修正方法及装置 |
CN113553747A (zh) * | 2021-08-27 | 2021-10-26 | 贵州电网有限责任公司 | 一种覆冰输电塔力学特性分析及状态评估方法 |
CN113902314A (zh) * | 2021-10-14 | 2022-01-07 | 成都卡普数据服务有限责任公司 | 一种融合专家知识的输电线路环境风险评估方法 |
CN116538972A (zh) * | 2023-07-06 | 2023-08-04 | 武汉工程大学 | 基于阵列微波传输线的覆冰厚度预测方法及装置 |
CN116756644A (zh) * | 2023-08-16 | 2023-09-15 | 华北电力大学 | 一种风电机组风速风向仪覆冰故障的预警方法 |
CN117578446A (zh) * | 2023-11-27 | 2024-02-20 | 云南电网有限责任公司德宏供电局 | 基于组合预测模型的网供负荷预测方法、系统及可读介质 |
-
2016
- 2016-03-10 CN CN201610133704.5A patent/CN105809287A/zh active Pending
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682771A (zh) * | 2016-12-14 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种基于微气象信息的输电线路覆冰厚度预测方法 |
CN106408859A (zh) * | 2016-12-15 | 2017-02-15 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 输电线路塔线体系覆冰预警系统及方法 |
CN107784393A (zh) * | 2017-10-27 | 2018-03-09 | 国网新疆电力公司电力科学研究院 | 一种输电线路的缺陷预测方法及装置 |
CN107918922B (zh) * | 2017-11-15 | 2020-10-27 | 中国联合网络通信集团有限公司 | 业务推荐方法及业务推荐装置 |
CN107918922A (zh) * | 2017-11-15 | 2018-04-17 | 中国联合网络通信集团有限公司 | 业务推荐方法及业务推荐装置 |
CN108921452A (zh) * | 2018-07-27 | 2018-11-30 | 国网河北能源技术服务有限公司 | 一种基于模糊算法的输电线路风险评估复合预警方法 |
CN108921452B (zh) * | 2018-07-27 | 2021-04-09 | 华北电力大学(保定) | 一种基于模糊算法的输电线路风险评估复合预警方法 |
CN109284859A (zh) * | 2018-08-24 | 2019-01-29 | 华北电力大学 | 一种输电线路覆冰预测方法 |
CN110796377A (zh) * | 2019-10-31 | 2020-02-14 | 云南电网有限责任公司信息中心 | 一种支持模糊理论的电网业务系统监控方法 |
CN110796377B (zh) * | 2019-10-31 | 2022-03-29 | 云南电网有限责任公司信息中心 | 一种支持模糊理论的电网业务系统监控方法 |
CN110866693A (zh) * | 2019-11-14 | 2020-03-06 | 国网湖北省电力有限公司电力科学研究院 | 一种基于gis模型的架空输电线路覆冰风险评估方法 |
CN110866693B (zh) * | 2019-11-14 | 2022-05-17 | 国网湖北省电力有限公司电力科学研究院 | 一种基于gis模型的架空输电线路覆冰风险评估方法 |
CN112070229A (zh) * | 2020-10-19 | 2020-12-11 | 中国农业科学院农业信息研究所 | 一种基于遗传算法的农业气象监测数据处理方法及系统 |
CN112232590A (zh) * | 2020-11-02 | 2021-01-15 | 国网湖南省电力有限公司 | 多源电力气象融合数据整体评估方法、系统及存储介质 |
CN112232590B (zh) * | 2020-11-02 | 2023-06-30 | 国网湖南省电力有限公司 | 多源电力气象融合数据整体评估方法、系统及存储介质 |
CN112597629A (zh) * | 2020-12-01 | 2021-04-02 | 中国电建集团江西省电力设计院有限公司 | 一种导线覆冰有无决策树模型及对导线覆冰有无判定和预测导线覆冰持续时间的方法 |
CN112561278A (zh) * | 2020-12-08 | 2021-03-26 | 国网吉林省电力有限公司 | 一种基于物联网和故障树的输电线路运营风险应对方法 |
CN113052224A (zh) * | 2021-03-19 | 2021-06-29 | 国网河南省电力公司电力科学研究院 | 一种电力与气象多源数据的交互融合方法和系统 |
CN113052224B (zh) * | 2021-03-19 | 2022-07-22 | 国网河南省电力公司电力科学研究院 | 一种电力与气象多源数据的交互融合方法和系统 |
CN113469268B (zh) * | 2021-07-16 | 2023-03-31 | 云南电网有限责任公司电力科学研究院 | 基于误差统计分析的输电线路杆塔雨量修正方法及装置 |
CN113469268A (zh) * | 2021-07-16 | 2021-10-01 | 云南电网有限责任公司电力科学研究院 | 基于误差统计分析的输电线路杆塔雨量修正方法及装置 |
CN113553747A (zh) * | 2021-08-27 | 2021-10-26 | 贵州电网有限责任公司 | 一种覆冰输电塔力学特性分析及状态评估方法 |
CN113902314A (zh) * | 2021-10-14 | 2022-01-07 | 成都卡普数据服务有限责任公司 | 一种融合专家知识的输电线路环境风险评估方法 |
CN116538972A (zh) * | 2023-07-06 | 2023-08-04 | 武汉工程大学 | 基于阵列微波传输线的覆冰厚度预测方法及装置 |
CN116538972B (zh) * | 2023-07-06 | 2023-09-01 | 武汉工程大学 | 基于阵列微波传输线的覆冰厚度预测方法及装置 |
CN116756644A (zh) * | 2023-08-16 | 2023-09-15 | 华北电力大学 | 一种风电机组风速风向仪覆冰故障的预警方法 |
CN116756644B (zh) * | 2023-08-16 | 2023-11-21 | 华北电力大学 | 一种风电机组风速风向仪覆冰故障的预警方法 |
CN117578446A (zh) * | 2023-11-27 | 2024-02-20 | 云南电网有限责任公司德宏供电局 | 基于组合预测模型的网供负荷预测方法、系统及可读介质 |
CN117578446B (zh) * | 2023-11-27 | 2024-05-10 | 云南电网有限责任公司德宏供电局 | 基于组合预测模型的网供负荷预测方法、系统及可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105809287A (zh) | 一种高压输电线路覆冰过程综合预测方法 | |
CN112949945B (zh) | 一种改进双向长短期记忆网络的风电功率超短期预测方法 | |
CN102938021B (zh) | 一种输电线路覆冰负荷定量估计及预测方法 | |
CN102789447B (zh) | 基于灰多元线性回归的覆冰与气象关系的分析方法 | |
CN108388962B (zh) | 一种风电功率预测系统及方法 | |
CN112183897B (zh) | 基于深度学习的架空输电线路覆冰厚度的长时间预测方法 | |
CN113988273A (zh) | 基于深度学习的冰灾环境主动配电网态势预警及评估方法 | |
CN104318347A (zh) | 一种基于多传感器信息融合的输电线路覆冰状态评估方法 | |
CN111428942B (zh) | 基于变网格技术提取微地形因子的线路覆冰厚度预测方法 | |
CN106803129A (zh) | 一种基于多源数值天气预报的风电功率集合预测方法 | |
CN111539842B (zh) | 基于气象和地理环境的架空输电线路覆冰预测方法 | |
CN111695666A (zh) | 一种基于深度学习的风电功率超短期条件概率预测方法 | |
CN102982393A (zh) | 一种输电线路动态容量的在线预测方法 | |
CN111178585A (zh) | 基于多算法模型融合的故障接报量预测方法 | |
CN113516271A (zh) | 一种基于时空神经网络的风电集群功率日前预测方法 | |
CN105160434A (zh) | 采用svm选取预测模型的风电功率爬坡事件预测方法 | |
CN104484722A (zh) | 一种基于cim标准的气象因子影响电网灾害模型建模方法 | |
CN106570582A (zh) | 一种用于建立输电线路舞动跳闸风险预测的网络模型的方法及系统 | |
CN115271186A (zh) | 一种基于延时因子和PSO RNN Attention模型的水库水位预测预警方法 | |
CN103605908A (zh) | 基于卡尔曼滤波的风速序列预测方法 | |
CN102175202A (zh) | 一种基于模糊逻辑的覆冰厚度预测方法 | |
CN105958474B (zh) | 一种电网调控系统用输电线路动态增容方法和系统 | |
CN107368979B (zh) | 一种天气敏感型区域配电网扰动事件预测方法及装置 | |
CN105184306A (zh) | 评价指标反映评价结果的输电杆塔塔材实际强度计算方法 | |
CN117761802A (zh) | 一种基于联邦学习的风电场气象预报算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160727 |