CN109543870B - 一种基于邻域保持嵌入算法的输电线路杆塔雷击预警方法 - Google Patents
一种基于邻域保持嵌入算法的输电线路杆塔雷击预警方法 Download PDFInfo
- Publication number
- CN109543870B CN109543870B CN201810524902.3A CN201810524902A CN109543870B CN 109543870 B CN109543870 B CN 109543870B CN 201810524902 A CN201810524902 A CN 201810524902A CN 109543870 B CN109543870 B CN 109543870B
- Authority
- CN
- China
- Prior art keywords
- data
- transmission line
- power transmission
- tower
- historical
- 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.)
- Active
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 68
- 208000025274 Lightning injury Diseases 0.000 title claims abstract description 53
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 239000002689 soil Substances 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 51
- 230000008569 process Effects 0.000 claims description 25
- 238000007781 pre-processing Methods 0.000 claims description 12
- 230000002265 prevention Effects 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 239000013589 supplement Substances 0.000 claims description 2
- 238000012876 topography Methods 0.000 claims description 2
- 238000002414 normal-phase solid-phase extraction Methods 0.000 claims 10
- 230000014759 maintenance of location Effects 0.000 claims 1
- 230000033001 locomotion Effects 0.000 description 5
- 230000004927 fusion Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000005684 electric field Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及一种基于邻域保持嵌入算法的输电线路杆塔雷击预警方法,属输电线路安全监测领域。本发明根据输电线路杆塔所处微地形、微气象信息,如杆塔的海拔高度、呼称高、气象、杆塔的地形地貌、杆塔50m周边情况,土壤情况等数据,利用邻域保持嵌入算法(NPE)挖掘出隐含的局部模型信息;建模前需要对数据进行采集整理,对于现有的输电线路走廊历史微气象、微地形和杆塔本体信息文献资料,通过设定规范,把信息文献资料中的文字数据描述转换为数值数据存入数据库备份供历史数据建模使用;实时监控时,把最新获取的微气象数据通过上述规范处理后存入数据库结合微地形、杆塔本体数据供在线监控模块处理使用。
Description
技术领域
本发明属于输电线路安全监测领域,涉及到一种基于邻域保持嵌入算法的输电线路杆塔雷击预警方法。为输电线路的雷害防治研究提供一些方法参考,降低输电线路雷害的损失,对保障输电线路安全稳定运行具有重要意义。
背景技术
由于中国地理位置特殊,东西南北跨度极广,特别是云贵高原地区包含各色地形地貌,电网架空输电线路走廊分布广阔,沿途经过崇山峻岭、江河无数,架空输电线路运行时常遭受风、雨、雷电、冰雪等恶劣天气影响。其中,雷电已经成为影响架空输电线路安全运行的最主要因素之一。如何对其进行有效的监测和预警具有十分重要的工程应用研究价值。
传统的输电线路雷击预警方法是基于雷达雷电监测组网、气象卫星云图、大气电场及雷电流强度等数据进行预警。如:司马文霞等提出了利用多普勒效应进行雷云定位、轨迹预测实现输电线路的雷击预警;谷山强等提出结合雷电监测网和气象卫星云图实时监测信息确定雷暴云团位置及运动趋势,以雷暴云与输电线路之间的距离为依据,实现分级启动雷电预警、输电线路雷击预警和输电线路雷击闪络预警;G,Juntian等提出一种基于大气电场、雷电位置信息和雷电灾害风险评估技术的多信息融合雷电预警方法;H,Tao采用大气电场和时间差分计算,结合雷电定位系统的雷电移动趋势预测;熊宇等采用雷电预报区域和输电线路网格化方法,计算输电线路和临近雷电预报区域之间的距离以实现输电线路雷击预警。
根据上述输电线路雷击预警方法的研究,我们认为存在以下问题:
1)全景信息关联分析不足:雷击是大自然中的强放电现象,导致雷击发生的因素有很多。首先就是气象条件,其次是输电线路走廊所处的环境参数,例如杆塔所在的地形、地貌、周边植被等,最后引发雷电发生的变量还有输电线路的相关本体属性,如杆塔的呼称高、电压等级等。现在的研究方法大多是基于雷云团的运动趋势预测实现输电线路雷击预警,仅根据雷云团的运动建立短期的雷云团运动轨迹预测模型,当雷云团接近输电线路走廊时启动雷击预警。这种方法在一定程度上能实现输电线路的雷击预警,但是其只利用单一变量进行分析,没有考虑雷击的产生是由气象条件、环境参数、杆塔属性等全景信息相互作用的结果。
2)雷击预警的精确度不够:基于气象条件与雷电参数做输电线路雷击预警,气象预报属于十公里级气象预报,导致预警尺度大。粒度不达杆塔级,无法捕捉到雷电发生的具体位置,导致电力系统不能建立针对电网输电线路的定制化服务系统。
3)机理模型不易搭建:输电线路遭受雷击的过程是一个复杂的高维非线性过程,其随机性、突变性和动态性导致机理模型难以建立。所以本文提出利用多变量统计分析的方法构建模型,实现输电线路的雷击预警。
发明内容
本发明的目的在于克服上述现有方法的不足,而提供一种架空输电线路杆塔的雷击预警模型方法,具体为基于微气象信息的低纬度高海拔地区的输电线路杆塔雷击预警方法。
本发明所采用的预警方法为:首先根据正常状况下的输电线路杆塔海拔、微气象信息、杆塔地形、地貌、杆塔周边地表(50m)、土壤情况、杆塔呼称高等历史全景数据作为建模的训练集。基于领域保持嵌入算法确定邻域个数和降维维度,计算平方预测误差SPE统计量及对应的监控统计限;对新获取的微气象数据更新到数据库,对新数据进行预处理和归一化,基于领域保持嵌入算法计算新数据的SPE统计量,判断新数据的SPE统计量是否超过历史全景数据建模得出的监控统计限。若超过则对应杆塔有可能遭受雷击,需要工作人员做出防治决策。基于领域保持嵌入算法的输电线路杆塔雷击预警方法具体的实现步骤如下:
步骤1:读取数据库,获取一段时间内输电线路正常状况下每根输电线路杆塔微气象信息、每根输电线路杆塔地形和,及每根输电线路杆塔呼称高本体信息在内的全景数据组成历史原始数据矩阵X∈RD,其中D为数据维度;
步骤2:将步骤1获取的历史原始数据矩阵通过手工填补或均值填补方法,填补遗漏数据,并对数据进行预处理和归一化(各个过程变量的均值为零,方差为1)后组成历史可用数据矩阵,并将其作为输电线路杆塔雷击预警模型的建模数据矩阵n为训练数据矩阵的样本数;
步骤3:基于邻域保持嵌入算法(NPE),确定输电线路走廊历史全景数据的邻域个数和数据降维维度;基于上述历史可用数据矩阵计算输电线路全景变量数据低维投影矩阵,并计算相应的平方预测误差SPE统计量及监控统计限;
步骤4:将模型参数和监控统计限存入数据库中为雷击预警实时监控备用;
步骤6:将在线可用数据矩阵输入到邻域保持嵌入算法(Neighborhoodpreserving embedding,简称NPE)模型中,实现降维,并分别计算新数据的SPE统计量,并与历史数据的SPE监控统计限进行比较,若新数据的SPE统计量超过历史数据的SPE监控统计限,则对应杆塔有遭受雷击的可能性,系统进行异常处理;对应输出该输电线路杆塔呼称的雷击预警信号,提供给工作人员做出防治决策。
步骤2包括以下实现过程:
步骤2.1:分析杆塔遭受雷击的历史记录及相关文献的查阅,得出过程全景变量与杆塔遭受雷击的相关性,做相应数据转化定义,对历史原始数据矩阵X∈RD完成文字数据转数值数据工作;
步骤2.2:通过手工填补或均值填补等方法填补遗漏数据,并对历史原始数据矩阵X∈RD进行预处理和归一化,使得各个过程变量的均值为零,方差为1;
步骤3包括以下实现过程:
步骤6包括以下实现过程:
步骤6.2:基于NPE模型,把步骤6.1处理过的在线可用数据矩阵降维到d维空间;
步骤6.3:计算输电线路走廊全景变量对应的SPE统计量,并与历史数据的监控统计限SPElim进行比较,如果SPE统计量持续超过SPElim,则对应的输电线路杆塔有可能遭受雷击,则系统发出报警。
对于高维的、非线性的、突变的复杂雷击预警过程,数据的非线性和动态特征比较明显,复杂数据往往表现为局部线性的特性,因此,本发明对数据进行监控时,需要根据数据的特征分布,利用数据局部线性的特点,选取相应的检测模型。本发明基于数据的局部关系来获取其全局结构信息,这样更符合数据信息提取的有效性。其次,本发明利用输电线路杆塔环境下,涵盖微气象、微地形、杆塔本体数据的全景数据建模分析的方法,充分考虑引起输电线路杆塔雷击的多变量之间的相关性,解决多变量信息融合的问题。
与现有技术相比,本发明的有益效果是:
1)本发明主要提出了基于全景数据驱动的输电线路杆塔雷击预警方法。该方法主要是依赖于输电线路杆塔周边数据特征来挖掘其内在信息,利用流形学习方法建立输电线路雷击预警过程的数学模型。因此,对于难以获得精确的数据模型和全面过程知识的复杂过程,基于全景数据驱动的输电线路杆塔雷击预警方法很大程度上改善了监测方法对过程知识的依赖性。
2)本发明改善了对杆塔雷击预警的效果。使用全景变量过程数据,利用统计分析方法,基于SPE监控统计量及SPE监控统计限确定输电线路杆塔是否存在雷击的可能性。与现有的输电线路雷击预警方法相比,该方法的预警粒度达杆塔级。且过程数据是涵盖气象、地形地貌、杆塔本体信息等全景数据,充分考虑了引起输电线路杆塔雷击的多变量之间的相关性,解决了多变量信息融合的问题。能够更全面有效地获取数据特征。
3)输电线路在云贵地区的建设错综复杂,电压等级参差不齐,发生雷电的特征各异;因此,本发明根据输电线路杆塔所处微地形、微气象信息,如杆塔的海拔高度、呼称高、气象、杆塔的地形地貌、杆塔50m周边情况,土壤情况等数据,利用邻域保持嵌入算法(NPE)挖掘出隐含的局部模型信息。建立具有科学性、时效性的输电线路杆塔雷击预警模型。
附图说明
图1为本发明数据采集整理示意图。
图2为本发明核心算法中的数据建模流程图。
具体实施方式
下面结合附图及实例对本发明进行详细说明。
第一步:如图1所示,建模前需要对数据进行采集整理,对于现有的输电线路走廊历史微气象、微地形和杆塔本体信息文献资料,通过定义一种规范,把资料中的文字数据描述转换为数值数据存入数据库备份供历史数据建模使用;实时监控时,把最新获取的微气象数据通过上述规范处理后存入数据库结合微地形、杆塔本体数据供在线监控模块处理使用。
第二步:如图2中历史数据建模部分,搜集输电线路杆塔正常运行状态下的历史全景数据组成历史原始数据矩阵X∈RD,进行预处理(去噪声点和异常点,选择平稳状态数据),并进行数据归一化,使得每个变量的均值为0,方差为1。得到历史可用数据矩阵作为训练数据集。
第三步:本例中近邻点个数k选定为10,对预处理后的历史可用数据矩阵利用邻域保持嵌入算法建模,首先得到数据的协方差矩阵Qi,局部最优化权重矩阵W∈Rn×n如下所示:
其中,g和h为X2分布的参数,满足条件:gh=mean(SPE),2g2h=var(SPE),mean(SPE)和var(SPE)分别为样本数据SPE统计量的均值和方差。
第六步:在线监控部分:把实时获取的微气象数据更新到数据库组成在线原始数据矩阵Xnew,将其预处理后利用式(5)投影到模型空间和残差空间中。输出相对应的SPE统计量,通过判断SPE统计量是否超过步骤5中得出的SPE统计限,判断当前杆塔遭是否有遭受雷击的可能性并做出相应的报警。
软件系统:为了实现输电线路杆塔雷击预警仿真实验,本发明采用MathWorks公司的MATLAB软件编程开发。对远程输电线路杆塔采集到的实时数据送到计算机进行计算,当检测到数据的统计量超过历史统计限,则该时刻的数据样本异常,杆塔将会有遭受雷击的可能性,发出预警提示,供(需要)工作人员及时作出防治决策。
本发明一方面利用全景过程数据实时获取过程状态,模型更加灵活,降低了建模难度;另一方面解决了传统的基于气象监测作输电线路雷击预警忽略了引起雷击的多种变量之间的相关性、没有进行变量信息融合的问题。
Claims (4)
1.一种基于邻域保持嵌入算法的输电线路杆塔雷击预警方法,其特征在于,建模前需要对数据进行采集整理,对于现有正常状况下的输电线路走廊历史全景中每根杆塔的微气象信息、微地形、每根输电线路杆塔本体的信息文献资料,通过设定规范,将信息文献资料中的文字数据描述转换为数值数据存入形成数据库,备份数据库以供历史数据建模使用;
所述输电线路走廊历史全景包括每根输电线路杆塔的海拔高度、每根输电线路杆塔微气象信息、每根输电线路杆塔50米地形和地貌,每根输电线路杆塔50米周边植被情况,每根输电线路杆塔50m地表土壤情况、每根输电线路杆塔呼称高的数据作为建模的训练集;
建立输电线路杆塔雷击预警模型,具体步骤如下:
步骤1:读取数据库,获取一段时间内输电线路正常状况下每根输电线路杆塔微气象信息、每根输电线路杆塔地形及每根输电线路杆塔呼称高本体信息在内的全景数据组成历史原始数据矩阵X∈RD,其中D为数据维度;
步骤2:将步骤1获取的历史原始数据矩阵通过手工填补或均值填补方法,填补遗漏数据,并对数据进行预处理和归一化后组成历史可用数据矩阵,并将其作为输电线路杆塔雷击预警模型的建模数据矩阵n为训练数据矩阵的样本数;
步骤4:将模型参数和监控统计限存入数据库中为雷击预警实时监控备用;
2.根据权利要求1所述的基于邻域保持嵌入算法的输电线路杆塔雷击预警方法,其特征在于所述步骤2还包括以下过程:
步骤2.1:分析杆塔遭受雷击的历史记录及相关文献的查阅,得出过程全景变量与杆塔遭受雷击的相关性,做相应数据转化定义,对历史原始数据矩阵X∈RD完成文字数据转数值数据工作;
步骤2.2:通过手工填补或均值填补等方法填补遗漏数据,并对历史原始数据矩阵X∈RD进行预处理和归一化,使得各个过程变量的均值为零,方差为1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810524902.3A CN109543870B (zh) | 2018-05-28 | 2018-05-28 | 一种基于邻域保持嵌入算法的输电线路杆塔雷击预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810524902.3A CN109543870B (zh) | 2018-05-28 | 2018-05-28 | 一种基于邻域保持嵌入算法的输电线路杆塔雷击预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109543870A CN109543870A (zh) | 2019-03-29 |
CN109543870B true CN109543870B (zh) | 2022-05-03 |
Family
ID=65830905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810524902.3A Active CN109543870B (zh) | 2018-05-28 | 2018-05-28 | 一种基于邻域保持嵌入算法的输电线路杆塔雷击预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109543870B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533265A (zh) * | 2019-09-20 | 2019-12-03 | 云南电网有限责任公司电力科学研究院 | 一种配电网雷击预警方法以及配电网雷击预警装置 |
CN111260215B (zh) * | 2020-01-15 | 2023-06-20 | 中国平安财产保险股份有限公司 | 风险预警方法及相关装置 |
CN111638416A (zh) * | 2020-06-05 | 2020-09-08 | 昆明能瑞科技有限公司 | 配电室配电柜的故障监测装置及方法 |
CN113010559A (zh) * | 2021-03-26 | 2021-06-22 | 云南电网有限责任公司电力科学研究院 | 一种输电走廊区域微地形与雷害特征参量的关联挖掘方法 |
CN113033690B (zh) * | 2021-04-07 | 2024-04-02 | 东北大学 | 一种基于声音的双投影邻域保持嵌入的托辊故障检测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139099A (zh) * | 2015-06-04 | 2015-12-09 | 国家电网公司 | 一种基于lls的区域雷害特征相关分析方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5351032A (en) * | 1993-02-19 | 1994-09-27 | Regents Of The University Of California | Power line detection system |
CN104950187B (zh) * | 2014-11-27 | 2016-11-09 | 国网山东省电力公司应急管理中心 | 一种基于电网gis的雷电分析预警方法及系统 |
CN104463700B (zh) * | 2014-12-05 | 2017-10-10 | 国家电网公司 | 一种基于数据挖掘技术的输电线路杆塔雷击风险评估方法 |
CN105137354B (zh) * | 2015-08-27 | 2018-04-06 | 江苏科技大学 | 一种基于神经网络电机故障检测方法 |
CN106644162B (zh) * | 2016-10-12 | 2020-04-21 | 云南大学 | 基于邻域保持嵌入回归算法的环网柜线芯温度软测量方法 |
-
2018
- 2018-05-28 CN CN201810524902.3A patent/CN109543870B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139099A (zh) * | 2015-06-04 | 2015-12-09 | 国家电网公司 | 一种基于lls的区域雷害特征相关分析方法 |
Non-Patent Citations (1)
Title |
---|
基于NPE算法的环网柜故障检测方法研究;胡凡君等;《自动化仪表》;20171020(第10期);第72-76页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109543870A (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109543870B (zh) | 一种基于邻域保持嵌入算法的输电线路杆塔雷击预警方法 | |
CN108961688B (zh) | 一种大数据支持下的地质灾害监测与预警方法 | |
CN109738970A (zh) | 基于雷电数据挖掘实现雷电预警的方法、装置和存储介质 | |
US11689154B2 (en) | Systems and methods for distributed-solar power forecasting using parameter regularization | |
CN112285807B (zh) | 一种气象信息预测方法及装置 | |
CN110019595B (zh) | 一种多源气象数据集成方法及系统 | |
CN203798381U (zh) | 一种输电设备在线监测系统 | |
CN111897030A (zh) | 一种雷暴预警系统及方法 | |
CN112598883B (zh) | 基于贝叶斯网络的输电线路落雷概率预警方法及预警系统 | |
CN112329977A (zh) | 一种面向极端场景的风电功率预测系统 | |
CN113222283A (zh) | 一种基于数字孪生的山洪预报预警方法及系统 | |
CN111612315A (zh) | 一种新型电网灾害性大风预警方法 | |
CN115035256B (zh) | 一种尾矿库事故隐患及风险演化方法及系统 | |
CN117556197B (zh) | 一种基于人工智能的台风涡旋初始化方法 | |
CN103914737B (zh) | 一种输变电线路全线路现地气象信息计算方法 | |
CN114898138A (zh) | 一种基于地形地貌及遥感数据进行森林火灾预测的方法 | |
CN117706658A (zh) | 一种多数据融合的气象预测预警方法及系统 | |
CN212645782U (zh) | 基于景感生态学的生态环境物联网监测系统 | |
CN115600047B (zh) | 一种基于栅格分析的小流域面平均降雨量测算方法和系统 | |
CN109583095B (zh) | 基于混合统计动力模型的西北太平洋台风延伸期预报方法 | |
KR20130102789A (ko) | 댐 건설 전후 기후 특성 변화 예측 시스템 및 그 방법 | |
CN116243103A (zh) | 基于多源数据的输变电设备状态智能感知预警方法 | |
Alves et al. | Lightning Warning Prediction with Multi-source Data | |
Salah et al. | A tolerant hydrologic technique for real-time selection of optimum QPFs from NWPMs for flood warning applications | |
Li et al. | Study on evaluation system of meteorological hazards for power grid based on Cloud GIS |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |