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

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

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

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∈R^D，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5：获取实时微气象信息数据更新或补充到数据库并组成在线原始数据矩阵X_new∈R^D，并对输电线路走廊实时全景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)后组成在线可用的数据矩阵

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∈R^D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∈R^D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3.1：针对预处理和归一化之后的输电线路走廊全景历史数据矩阵

构建局部权重矩阵w；

步骤3.2：在低维投影空间，在保留数据权重的基础上，基于数据矩阵关系：

得到输电线路走廊全景历史数据矩阵

的低维投影为y∈R^n×d，其中d为提取的低维维度数；

步骤3.3：对残差矩阵

构建雷击预警门限的SPE统计量以及相应的监控统计限SPE_lim。

步骤6包括以下实现过程：

步骤6.1：对于获取的输电线路杆塔在线原始数据矩阵X_new∈R^D，进行手工填补或均值填补等方法填补遗漏数据，进行预处理和归一化后组成在线可用数据矩阵

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SPE_lim进行比较，如果SPE统计量持续超过SPE_lim，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∈R^D，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∈R^n×n如下所示：

其中，x_ij(j＝1,2,...,k)为x_i的欧式距离最近的k个近邻点，

为x_i和x_ij之间的权重值，且满足

第四步：在第三步基础上，选定降维维度d为5，基于建模数据的局部权重构矩阵W，将数据集

投影到低维空间，得到低维数据集Y＝[y₁,y₂,…,y_n]∈R^d，它们之间的关系如式(3)所示：

其中，令

式中

代表数据的残差空间，E为残差矩阵。即可得到残差空间投影矩阵：

第五步：计算得出杆塔历史全景数据

的平方预测误差统计(SPE)的统计限。其中投影数据点y相关的统计量和统计限如式(4)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X_new，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。

其中，y_new＝x_newB(B^TB)^-1＝x_newA,

为x_new的重构向量。

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∈R^D，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3：基于邻域保持嵌入算法，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5：获取实时微气象信息数据更新或补充到数据库并组成在线原始数据矩阵X_new∈R^D，并对输电线路走廊实时全景数据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后组成在线可用的数据矩阵

步骤6：将在线可用数据矩阵

输入到基于邻域保持嵌入算法模型中，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高的雷击预警信号，提供给工作人员做出防治决策。

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∈R^D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∈R^D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。

3.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3还包括以下过程：

步骤3.1：针对预处理和归一化之后的输电线路走廊全景历史数据矩阵

构建局部权重矩阵w；

步骤3.2：在低维投影空间，在保留数据权重的基础上，基于数据矩阵关系：

得到输电线路走廊全景历史数据矩阵

的低维投影为y∈R^n×d，其中d为提取的低维维度数；

步骤3.3：对残差矩阵

构建雷击预警门限的SPE统计量以及相应的监控统计限SPE_lim。

4.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6还包括以下过程：

步骤6.1：对于获取的输电线路杆塔在线原始数据矩阵X_new∈R^D，进行手工填补或均值填补等方法填补遗漏数据，进行预处理和归一化后组成在线可用数据矩阵

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SPE_lim进行比较，如果SPE统计量持续超过SPE_lim，则对应的输电线路杆塔有可能遭受雷击，则系统发出报警。

Images