CN112036639A - 输电线路弧垂计算模型优化方法、装置、终端及存储介质 - Google Patents
输电线路弧垂计算模型优化方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN112036639A CN112036639A CN202010895924.8A CN202010895924A CN112036639A CN 112036639 A CN112036639 A CN 112036639A CN 202010895924 A CN202010895924 A CN 202010895924A CN 112036639 A CN112036639 A CN 112036639A
- Authority
- CN
- China
- Prior art keywords
- calculation model
- sag calculation
- transmission line
- sag
- 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.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 189
- 230000005540 biological transmission Effects 0.000 title claims abstract description 89
- 238000005457 optimization Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 50
- 241000251468 Actinopterygii Species 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
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)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供了一种输电线路弧垂计算模型优化方法、装置、终端及存储介质,本申请通过人工鱼群寻优方式,以弧垂计算模型中间参量的寻优取值序列中的元素为待寻优的变量,并以参量寻优函数为目标函数,得到目标中间参量的最优值,根据得到的最优值对初始弧垂计算模型进行优化,通过降低弧垂计算模型中间参量的取值误差,达到降低弧垂计算模型的运算误差的目的,解决了现有的输电线路弧垂计算模型实际计算误差过大的技术问题。
Description
技术领域
本申请涉及输电线路技术领域,尤其涉及一种输电线路弧垂计算模型优化方法、装置、终端及存储介质。
背景技术
输电线路弧垂计算是一种应用于架空输电线路日常风险评估的技术,弧垂计算模型通过收集线路的导线型号信息、气象温度信息、线路两端挂线点高度差距、该档距弧垂真值和线路两端杆塔的水平距离等模型输入参数,对输电线路的弧垂进行计算,以判断输电线路的净空距离,在输电线路巡检中起着重要作用。
传统的弧垂计算模型都是基于电力系统规范中的标准公式直接构建的,其中涉及输入变量多,计算过程中还涉及了多个中间参量,计算过程复杂,且系统规范的中间参量标准多为基于常规情况设定的,没有针对到具体场景的差别,导致了现有的输电线路弧垂计算模型实际计算误差过大的技术问题。
发明内容
本申请提供了一种输电线路弧垂计算模型优化方法、装置、终端及存储介质,用于解决现有的输电线路弧垂计算模型实际计算误差过大的技术问题。
首先,本申请第一方面提供了一种输电线路弧垂计算模型优化方法,包括:
基于预设的初始弧垂计算模型,从目标输电线路中采集弧垂计算输入参数;
根据所述弧垂计算输入参数,结合弧垂计算输入参数与中间参量取值区间的对应关系,确定目标中间参量的取值区间,并基于所述目标中间参量的取值区间生成所述目标中间参量的寻优取值序列,其中,所述目标中间参量为基于对所述初始弧垂计算模型的误差来源分析结果,从所述初始弧垂计算模型的中间参量中确定的;
根据所述目标中间参量对所述初始弧垂计算模型中的弧垂计算公式进行化简,得到以所述目标中间参量为自变量的参量寻优函数;
基于人工鱼群寻优方式,以所述寻优取值序列中的元素为待寻优的变量,并以所述参量寻优函数为浓度参数,得到所述目标中间参量的最优值;
根据所述最优值对所述初始弧垂计算模型进行优化,得到优化后的弧垂计算模型。
优选地,基于预设的初始弧垂计算模型,采集目标输电线路的弧垂计算输入参数之后还包括:
通过随机过采样算法,对所述弧垂计算输入参数进行预处理。
优选地,所述随机过采样算法具体为基于特征空间的SMOTE算法。
优选地,所述初始弧垂计算模型的配置过程具体包括:
基于目标输电线路的类型,结合输电线路类型与弧垂计算模型的对应关系,确定所述目标输电线路的类型对应的初始弧垂计算模型。
其次,本申请第二方面提供了一种输电线路弧垂计算模型优化装置,包括:
输入参数采集单元,用于基于预设的初始弧垂计算模型,从目标输电线路中采集弧垂计算输入参数;
寻优取值序列生成单元,用于根据所述弧垂计算输入参数,结合弧垂计算输入参数与中间参量取值区间的对应关系,确定目标中间参量的取值区间,并基于所述目标中间参量的取值区间生成所述目标中间参量的寻优取值序列,其中,所述目标中间参量为基于对所述初始弧垂计算模型的误差来源分析结果,从所述初始弧垂计算模型的中间参量中确定的;
参量寻优函数获取单元,用于根据所述目标中间参量对所述初始弧垂计算模型中的弧垂计算公式进行化简,得到以所述目标中间参量为自变量的参量寻优函数;
参量寻优单元,用于基于人工鱼群寻优方式,以所述寻优取值序列中的元素为待寻优的变量,并以所述参量寻优函数为浓度参数,得到所述目标中间参量的最优值;
模型优化单元,用于根据所述最优值对所述初始弧垂计算模型进行优化,得到优化后的弧垂计算模型。
优选地,还包括:
预处理单元,用于通过随机过采样算法,对所述弧垂计算输入参数进行预处理。
优选地,所述随机过采样算法具体为基于特征空间的SMOTE算法。
优选地,还包括:
初始弧垂计算模型确定单元,用于基于目标输电线路的类型,结合输电线路类型与弧垂计算模型的对应关系,确定所述目标输电线路的类型对应的初始弧垂计算模型。
本申请第三方面提供了一种输电线路弧垂计算模型优化终端,包括:存储器和处理器;
所述存储器用于存储与本申请第一方面提及的输电线路弧垂计算模型优化方法相对应的程序代码;
所述处理器用于执行所述程序代码。
本申请第四方面提供了一种存储介质,所述存储介质中保存有与本申请第一方面提及的输电线路弧垂计算模型优化方法相对应的程序代码。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请提供了一种输电线路弧垂计算模型优化方法,包括:基于预设的初始弧垂计算模型,从目标输电线路中采集弧垂计算输入参数;根据所述弧垂计算输入参数,结合弧垂计算输入参数与中间参量取值区间的对应关系,确定目标中间参量的取值区间,并基于所述目标中间参量的取值区间生成所述目标中间参量的寻优取值序列,其中,所述目标中间参量为基于对所述初始弧垂计算模型的误差来源分析结果,从所述初始弧垂计算模型的中间参量中确定的;根据所述目标中间参量对所述初始弧垂计算模型中的弧垂计算公式进行化简,得到以所述目标中间参量为自变量的参量寻优函数;基于人工鱼群寻优方式,以所述寻优取值序列中的元素为待寻优的变量,并以所述参量寻优函数为浓度参数,得到所述目标中间参量的最优值;根据所述最优值对所述初始弧垂计算模型进行优化,得到优化后的弧垂计算模型。
本申请通过人工鱼群寻优方式,以弧垂计算模型中间参量的寻优取值序列中的元素为待寻优的变量,并以参量寻优函数为目标函数,得到目标中间参量的最优值,根据得到的最优值对初始弧垂计算模型进行优化,通过降低弧垂计算模型中间参量的取值误差,达到降低弧垂计算模型的运算误差的目的,解决了现有的输电线路弧垂计算模型实际计算误差过大的技术问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请提供的一种输电线路弧垂计算模型优化方法的第一个实施例的流程示意图;
图2为本申请提供的一种输电线路弧垂计算模型优化方法的第二个实施例的流程示意图;
图3为本申请提供的一种输电线路弧垂计算模型优化装置的第一个实施例的结构示意图。
具体实施方式
本申请实施例提供了一种输电线路弧垂计算模型优化方法、装置、终端及存储介质,用于解决现有的输电线路弧垂计算模型实际计算误差过大的技术问题。
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
请参阅图1,本申请第一个实施例提供了一种输电线路弧垂计算模型优化方法,包括:
步骤101、基于预设的初始弧垂计算模型,从目标输电线路中采集弧垂计算输入参数。
需要说明的是,根据预先设置的初始弧垂计算模型,根据模型限定的输入参数,从目标输电线路中采集对应的弧垂计算输入参数,不同类型的弧垂计算模型的弧垂计算输入参数有一定差别,但一般都包括:导线型号信息、气象温度信息、线路两端挂线点高度差距、该档距弧垂真值和线路两端杆塔的水平距离等,其中,档距包括但不限于孤立档、大跨越、耐张段等。
步骤102、根据弧垂计算输入参数,结合弧垂计算输入参数与中间参量取值区间的对应关系,确定目标中间参量的取值区间,并基于目标中间参量的取值区间生成目标中间参量的寻优取值序列,其中,目标中间参量为基于对初始弧垂计算模型的误差来源分析结果,从初始弧垂计算模型的中间参量中确定的。
以悬链线模型弧垂计算模型为例,公式可表示为:
式中,x为目标输电电路中的待求弧垂点的水平距离;γ为架空导线自身比载,N/(mm2);σ0是比载为γ、架空线的温度为t时的水平应力;h为待求弧垂点所在线路杆塔两端悬挂点A、B高度差;l为档距;Lh=0为等高线长,sh为双曲正弦运算符号。
目前弧垂计算模型的误差类型主要可以包括:系统误差,即在相同条件下,多次输入不同的量,结果的误差绝对值和符号保持不变,或者在条件改变时,误差按一定的规律变化。此类误差没有随机性,没有抵偿性,不能通过平均值的方法减小。
对于悬链线模型弧垂计算模型的系统误差,本实施例选择影响较大的计算中间参量——水平应力取值作为待优化参数为例,同时针对不同的型号导线,确定水平应力参数σ0的边界条件。
通过具体数据分析,通过弧垂计算模型计算,可以得到水平应力的变化对弧垂计算模型误差值的影响关系,具体数据可参照表格1:
表格1 水平应力的变化对弧垂计算模型误差值的影响关系
序号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
应力值 | 207.306 | 138.204 | 82.9 | 69.102 | 59.23 | 51.826 | 46.068 | 41.461 | 37.692 |
弧垂值 | 115.26 | 160.278 | 196.36 | 205.415 | 211.897 | 216.774 | 220.58 | 223.635 | 226.146 |
误差值 | -81.1 | -36.082 | 0 | 9.055 | 15.537 | 20.414 | 24.22 | 27.275 | 29.786 |
从表中可以看出,应力为89.2时的弧垂为当前工况下的真实弧垂,改变应力取值,弧垂变化呈线性关系,可见应力对弧垂计算模型的误差符合系统误差定义。
步骤103、根据目标中间参量对初始弧垂计算模型中的弧垂计算公式进行化简,得到以目标中间参量为自变量的参量寻优函数。
基于步骤102选定的目标中间参量,根据目标中间参量对初始弧垂计算模型中的弧垂计算公式进行化简,得到以目标中间参量为自变量的参量寻优函数,公式可表示为fx=f(σ0)。具体的,化简的方式可以采用数学方程简化的方式,将除目标中间变量的化简去除,再将目标中间参量转换为自变量;或利用步骤101获取的弧垂计算输入参数,将原本模型中的自变量转换为静态值,并将目标中间参量转换为自变量,具体简化过程可根据实际情况自行选择。
步骤104、基于人工鱼群寻优方式,以寻优取值序列中的元素为待寻优的变量,并以参量寻优函数为浓度参数,得到目标中间参量的最优值。
人工鱼位置可表示为向量σ0=(σ01,σ02,σ03,…,σ0n),σ0i(i=1,2,3,…n)为欲寻优的变量;人工鱼在当前所在位置的食物浓度表示为Y=f(σ0),将fx为目标函数,同时根据算法中已确定的人工鱼视野visual,人工鱼移动步长step,拥挤度因子δ,以及人工鱼最大觅食试探次数T等基本参数并进行参数寻优仿真运算,以从运算结果中得到目标中间参量的最优值。
其中,运算得到的误差值可以与步骤101获取的弧垂计算输入参数中的弧垂真值进行比较,基于两者的误差值,判断当前的目标中间参量取值是否为最优,其误差值的计算公式可表示为E=min||f(σ0+Δσ0)-f真||2。
式中,f真为收集的弧垂真值,Δσ0∈(-28,32);(σ0+Δσ0)的值不超出寻优取值序列的范围。
步骤105、根据最优值对初始弧垂计算模型进行优化,得到优化后的弧垂计算模型。
最后,利用优化后的中间参量最优值,对初始弧垂计算模型进行优化,得到优化后的弧垂计算模型。
本申请实施例通过人工鱼群寻优方式,以弧垂计算模型中间参量的寻优取值序列中的元素为待寻优的变量,并以参量寻优函数为目标函数,得到目标中间参量的最优值,根据得到的最优值对初始弧垂计算模型进行优化,通过降低弧垂计算模型中间参量的取值误差,达到降低弧垂计算模型的运算误差的目的,解决了现有的输电线路弧垂计算模型实际计算误差过大的技术问题。
以上为本申请提供的一种输电线路弧垂计算模型优化方法的第一个实施例的详细说明,下面为本申请提供的一种输电线路弧垂计算模型优化方法的第二个实施例的详细说明。
请参阅图2,在上述第一个实施例的基础上,本申请第二个实施例提供了一种输电线路弧垂计算模型优化方法。
更具体地,步骤101之后还包括:
1011、通过随机过采样算法,对弧垂计算输入参数进行预处理。随机过采样算法具体为基于特征空间的SMOTE算法。
需要说明的是,除了上述第一个实施例提到的系统误差类型,还包括有随机误差,随机误差的表现为出现没有确定的规律,即前一个误差出现后,不能预知下一个误差的大小和方向,但就总体误差而言,却具有统计规律性。在弧垂计算模型中,这一类误差不能通过智能算法来优化。基于对这一误差类型的深入分析,技术人员发现了这类随机误差的主要影响因素体现在数据存在正负样本数据比例失衡、数据集各个类别样本相差较大等问题,对此,本实施例提出了通过随机过采样算法,具体为基于特征空间(而非数据空间)的smote算法,对弧垂计算输入参数进行预处理,降低其随机误差。
具体处理过程可以参照以下内容:
以少数类样本温度数据为例设样本数为T,那么SMOTE算法将为这个少数类合成NT个新样本。这里要求N必须是正整数,如果给定的N<1,那么算法将“认为”少数类的样本数T=NT,并将强制N=1。
考虑该少数类的一个样本i,其特征向量为xi,i∈{1,...,T}。
1.首先从该少数类的全部T个样本中找到样本xi的k个近邻(例如用欧氏距离),记为xi(near),near∈{1,...,k};
2.然后从这k个近邻中随机选择一个样本xi(nn),再生成一个0到1之间的随机数ζ1,从而合成一个新样本xi1:
xi1=xi+ζ1·(xi(nn)-xi)
3.将步骤2重复进行N次,从而可以合成N个新样本:xinew,new∈1,...,N。
那么,对全部的T个少数类样本进行上述操作,便可为该少数类合成NT个新样本。
那么,对全部的T个少数类样本进行上述操作,便可为该少数类合成NT个新样本。
更具体地,初始弧垂计算模型的配置过程具体包括:
步骤100、基于目标输电线路的类型,结合输电线路类型与弧垂计算模型的对应关系,确定目标输电线路的类型对应的初始弧垂计算模型。
例如,可以基于目标输电线路的类型,结合输电线路类型与弧垂计算模型的对应关系,确定其对应的初始弧垂计算模型,其中,输电线路类型与弧垂计算模型的对应关系可以从《架空送电线路的电线力学计算(第二版)》、《架空输电线路设计》等现有的电力行业规范中得到。
以上为本申请提供的一种输电线路弧垂计算模型优化方法的第二个实施例的详细说明,下面为本申请提供的一种输电线路弧垂计算模型优化装置的第一个实施例的详细说明。
请参阅图3,本申请第三个实施例提供了一种输电线路弧垂计算模型优化装置,包括:
输入参数采集单元301,用于基于预设的初始弧垂计算模型,从目标输电线路中采集弧垂计算输入参数;
寻优取值序列生成单元302,用于根据弧垂计算输入参数,结合弧垂计算输入参数与中间参量取值区间的对应关系,确定目标中间参量的取值区间,并基于目标中间参量的取值区间生成目标中间参量的寻优取值序列,其中,目标中间参量为基于对初始弧垂计算模型的误差来源分析结果,从初始弧垂计算模型的中间参量中确定的;
参量寻优函数获取单元303,用于根据目标中间参量对初始弧垂计算模型中的弧垂计算公式进行化简,得到以目标中间参量为自变量的参量寻优函数;
参量寻优单元304,用于基于人工鱼群寻优方式,以寻优取值序列中的元素为待寻优的变量,并以参量寻优函数为浓度参数,得到目标中间参量的最优值;
模型优化单元305,用于根据最优值对初始弧垂计算模型进行优化,得到优化后的弧垂计算模型。
更具体地,还包括:
预处理单元3011,用于通过随机过采样算法,对弧垂计算输入参数进行预处理。
更具体地,随机过采样算法具体为基于特征空间的SMOTE算法。
更具体地,还包括:
初始弧垂计算模型确定单元300,用于基于目标输电线路的类型,结合输电线路类型与弧垂计算模型的对应关系,确定目标输电线路的类型对应的初始弧垂计算模型。
以上为本申请提供的一种输电线路弧垂计算模型优化装置的第一个实施例的详细说明,下面为本申请提供的一种输电线路弧垂计算模型优化终端的及相应的存储介质的实施例的详细说明。
本申请第四个实施例提供了一种输电线路弧垂计算模型优化终端,包括:存储器和处理器;
存储器用于存储与本申请第一个实施例或第二个实施例提及的输电线路弧垂计算模型优化方法相对应的程序代码;
处理器用于执行程序代码。
本申请第五个实施例提供了一种存储介质,存储介质中保存有与本申请第一个实施例或第二个实施例提及的输电线路弧垂计算模型优化方法相对应的程序代码。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种输电线路弧垂计算模型优化方法,其特征在于,包括:
基于预设的初始弧垂计算模型,从目标输电线路中采集弧垂计算输入参数;
根据所述弧垂计算输入参数,结合弧垂计算输入参数与中间参量取值区间的对应关系,确定目标中间参量的取值区间,并基于所述目标中间参量的取值区间生成所述目标中间参量的寻优取值序列,其中,所述目标中间参量为基于对所述初始弧垂计算模型的误差来源分析结果,从所述初始弧垂计算模型的中间参量中确定的;
根据所述目标中间参量对所述初始弧垂计算模型中的弧垂计算公式进行化简,得到以所述目标中间参量为自变量的参量寻优函数;
基于人工鱼群寻优方式,以所述寻优取值序列中的元素为待寻优的变量,并以所述参量寻优函数为浓度参数,得到所述目标中间参量的最优值;
根据所述最优值对所述初始弧垂计算模型进行优化,得到优化后的弧垂计算模型。
2.根据权利要求1所述的一种输电线路弧垂计算模型优化方法,其特征在于,基于预设的初始弧垂计算模型,采集目标输电线路的弧垂计算输入参数之后还包括:
通过随机过采样算法,对所述弧垂计算输入参数进行预处理。
3.根据权利要求2所述的一种输电线路弧垂计算模型优化方法,其特征在于,所述随机过采样算法具体为基于特征空间的SMOTE算法。
4.根据权利要求1所述的一种输电线路弧垂计算模型优化方法,其特征在于,所述初始弧垂计算模型的配置过程具体包括:
基于目标输电线路的类型,结合输电线路类型与弧垂计算模型的对应关系,确定所述目标输电线路的类型对应的初始弧垂计算模型。
5.一种输电线路弧垂计算模型优化装置,其特征在于,包括:
输入参数采集单元,用于基于预设的初始弧垂计算模型,从目标输电线路中采集弧垂计算输入参数;
寻优取值序列生成单元,用于根据所述弧垂计算输入参数,结合弧垂计算输入参数与中间参量取值区间的对应关系,确定目标中间参量的取值区间,并基于所述目标中间参量的取值区间生成所述目标中间参量的寻优取值序列,其中,所述目标中间参量为基于对所述初始弧垂计算模型的误差来源分析结果,从所述初始弧垂计算模型的中间参量中确定的;
参量寻优函数获取单元,用于根据所述目标中间参量对所述初始弧垂计算模型中的弧垂计算公式进行化简,得到以所述目标中间参量为自变量的参量寻优函数;
参量寻优单元,用于基于人工鱼群寻优方式,以所述寻优取值序列中的元素为待寻优的变量,并以所述参量寻优函数为浓度参数,得到所述目标中间参量的最优值;
模型优化单元,用于根据所述最优值对所述初始弧垂计算模型进行优化,得到优化后的弧垂计算模型。
6.根据权利要求5所述的一种输电线路弧垂计算模型优化装置,其特征在于,还包括:
预处理单元,用于通过随机过采样算法,对所述弧垂计算输入参数进行预处理。
7.根据权利要求6所述的一种输电线路弧垂计算模型优化装置,其特征在于,所述随机过采样算法具体为基于特征空间的SMOTE算法。
8.根据权利要求5所述的一种输电线路弧垂计算模型优化装置,其特征在于,还包括:
初始弧垂计算模型确定单元,用于基于目标输电线路的类型,结合输电线路类型与弧垂计算模型的对应关系,确定所述目标输电线路的类型对应的初始弧垂计算模型。
9.一种输电线路弧垂计算模型优化终端,其特征在于,包括:存储器和处理器;
所述存储器用于存储与权利要求1至4任意一项所述的输电线路弧垂计算模型优化方法相对应的程序代码;
所述处理器用于执行所述程序代码。
10.一种存储介质,其特征在于,所述存储介质中保存有与权利要求1至4任意一项所述的输电线路弧垂计算模型优化方法相对应的程序代码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010895924.8A CN112036639B (zh) | 2020-08-31 | 2020-08-31 | 输电线路弧垂计算模型优化方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010895924.8A CN112036639B (zh) | 2020-08-31 | 2020-08-31 | 输电线路弧垂计算模型优化方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112036639A true CN112036639A (zh) | 2020-12-04 |
CN112036639B CN112036639B (zh) | 2023-01-24 |
Family
ID=73587427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010895924.8A Active CN112036639B (zh) | 2020-08-31 | 2020-08-31 | 输电线路弧垂计算模型优化方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112036639B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080189062A1 (en) * | 2007-02-05 | 2008-08-07 | Abb Research Ltd. | Power-line sag calculation by way of power-system state estimation |
CN103791894A (zh) * | 2014-02-18 | 2014-05-14 | 北京恒华伟业科技股份有限公司 | 用于架空输电线路的杆塔定位方法和装置 |
CN108182299A (zh) * | 2017-12-04 | 2018-06-19 | 广西电网有限责任公司玉林供电局 | 架空输电线路智能计算系统 |
CN111062131A (zh) * | 2019-12-17 | 2020-04-24 | 广东电网有限责任公司 | 一种输电线路弧垂计算方法和相关装置 |
-
2020
- 2020-08-31 CN CN202010895924.8A patent/CN112036639B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080189062A1 (en) * | 2007-02-05 | 2008-08-07 | Abb Research Ltd. | Power-line sag calculation by way of power-system state estimation |
CN103791894A (zh) * | 2014-02-18 | 2014-05-14 | 北京恒华伟业科技股份有限公司 | 用于架空输电线路的杆塔定位方法和装置 |
CN108182299A (zh) * | 2017-12-04 | 2018-06-19 | 广西电网有限责任公司玉林供电局 | 架空输电线路智能计算系统 |
CN111062131A (zh) * | 2019-12-17 | 2020-04-24 | 广东电网有限责任公司 | 一种输电线路弧垂计算方法和相关装置 |
Non-Patent Citations (1)
Title |
---|
唐波等: "基于地理信息系统的架空输电线路应力弧垂管理", 《陕西电力》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112036639B (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3304687B1 (en) | Automatic network device electrical phase identification | |
CN107169628B (zh) | 一种基于大数据互信息属性约简的配电网可靠性评估方法 | |
CN110969285B (zh) | 预测模型训练方法、预测方法、装置、设备及介质 | |
CN108595916B (zh) | 基于生成对抗网络的基因表达全谱推断方法 | |
CN112070121B (zh) | 一种基于变分自编码器的智能电表数据填补方法 | |
JP6645043B2 (ja) | 誤差幅推定装置、誤差幅推定システム、誤差幅推定方法及びプログラム | |
CN111654392A (zh) | 基于互信息的低压配电网拓扑识别方法及系统 | |
CN111313403A (zh) | 一种基于马尔可夫随机场的低压配电系统网络拓扑识别方法 | |
CN115616473B (zh) | 超差电能表的识别方法、装置、设备和存储介质 | |
CN110163283A (zh) | 一种配电网极限线损率的计算方法 | |
CN114626487A (zh) | 基于随机森林分类算法的线变关系校核方法 | |
CN112036639B (zh) | 输电线路弧垂计算模型优化方法、装置、终端及存储介质 | |
CN111323847B (zh) | 用于为模拟集成算法确定权重比的方法和设备 | |
CN112580844A (zh) | 气象数据处理方法、装置、设备及计算机可读存储介质 | |
CN110163507A (zh) | 一种配电网线损的处理方法 | |
CN110703038B (zh) | 一种适用于风机接入配电网的谐波阻抗估算方法 | |
CN117290793A (zh) | 一种电力设备远程监控系统、监控方法、处理器及可读存储介质 | |
CN109975607B (zh) | 配电台区容量识别方法、装置、存储介质及电子设备 | |
CN112215482A (zh) | 一种户变关系识别方法和装置 | |
CN108459585B (zh) | 基于稀疏局部嵌入深度卷积网络的电站风机故障诊断方法 | |
CN113644834B (zh) | 一种模块化多电平换流器损耗评估方法及系统 | |
CN113869601A (zh) | 一种电力用户负荷预测方法、装置及设备 | |
CN113219333B (zh) | 一种电机故障诊断时的频谱参数处理方法 | |
CN114971053A (zh) | 低压台区网络线损率在线预测模型的训练方法及装置 | |
CN110738433A (zh) | 一种用电设备负荷识别方法和装置 |
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 |