CN117595260B - 一种基于5g短切片的电力设备远程监控方法及系统 - Google Patents

一种基于5g短切片的电力设备远程监控方法及系统 Download PDF

Info

Publication number
CN117595260B
CN117595260B CN202410076934.7A CN202410076934A CN117595260B CN 117595260 B CN117595260 B CN 117595260B CN 202410076934 A CN202410076934 A CN 202410076934A CN 117595260 B CN117595260 B CN 117595260B
Authority
CN
China
Prior art keywords
data
meteorological data
target
prediction
predicted
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
Application number
CN202410076934.7A
Other languages
English (en)
Other versions
CN117595260A (zh
Inventor
周想凌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Haomao Photoelectric Technology Co ltd
Original Assignee
Wuhan Haomao Photoelectric Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Haomao Photoelectric Technology Co ltd filed Critical Wuhan Haomao Photoelectric Technology Co ltd
Priority to CN202410076934.7A priority Critical patent/CN117595260B/zh
Publication of CN117595260A publication Critical patent/CN117595260A/zh
Application granted granted Critical
Publication of CN117595260B publication Critical patent/CN117595260B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00022—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using wireless data transmission
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及电力系统故障预警领域，更具体地，本发明涉及一种基于5G短切片的电力设备远程监控方法及系统，其方法包括：将目标输电线所处的目标城市划分为多个区域，计算目标输电线与各区域的距离，将计算得到的距离由小到大进行排序，选取前两个距离；获取第一区域的第一预测气象数据，以及第二区域的第二预测气象数据；将第一预测气象数据和第二预测气象数据输入到所述预测模型中，对应得到第一预测结果Y 1和第二预测结果；根据第一预测结果、第二预测结果、第一距离和第二距离计算目标预测结果。本发明通过两个与目标输电线最近的区域的气象数据的预测结果综合考虑，得到最终的目标预测数据，使得目标预测结果更精准、可靠。

Description

一种基于5G短切片的电力设备远程监控方法及系统
技术领域
本发明一般地涉及电力系统故障预警领域。更具体地，本发明涉及一种基于5G短切片的电力设备远程监控方法及系统。
背景技术
随着经济的快速发展，人们生活对电能的需求量和对电能质量的要求也不断提高，如今电力能源已经成为社会存在和发展的必需品。但是由于各种因素的影响，我国部分地区电网事故还依然存在，电网事故不仅影响大、速度快、后果严重，而且直接影响国家的生产建设和人民的生活秩序。特别地，输电线路导线舞动是长期以来影响本地区电网输电线路度冬安全的重要因素，其可以造成输电线路跳闸、铁塔横担部分螺栓脱落以及铁塔横担、跳线、绝缘子、金具受损，使得电网运行形势极为严峻。
由于气象条件是影响输电线路舞动的重要外界原因，因此现有对输电线舞动的预警技术通常会综合处理气象预报信息和其他原因，给出气象预报信息所属区域的输电线路舞动的故障率。但是，一个区域不同地点的气象信息可能会差别较大，例如区域中心的气象数据与区域边缘的气象数据通常有较大差别。再者，检测数据误差较大会影响预测线路舞动的故障率的准确性。
发明内容
为解决区域的气象数据与实际气象数据偏差较大，从而使得预测结果准确性不高的技术问题，本发明提出一种基于5G短切片的电力设备远程监控方法及系统。为此，本发明在如下的多个方面中提供方案。
在第一方面中，本发明提出了一种基于5G短切片的电力设备远程监控方法，该方法包括：将目标输电线所处的目标城市划分为多个区域，计算目标输电线与各区域的距离，将计算得到的距离由小到大进行排序，选取前两个距离，其中所述两个区域包括第一区域和第二区域，第一区域与目标输电线的距离为第一距离S1，第二区域与目标输电线的距离为第二距离S2，所述目标输电线为任一段相邻两个高压塔之间的输电线；获取第一区域的第一预测气象数据，以及第二区域的第二预测气象数据；将所述第一预测气象数据和所述第二预测气象数据输入到所述预测模型中，对应得到第一预测结果Y 1和第二预测结果Y 2，其中所述预测模型通过预测气象数据对输电线舞动的概率进行预测；根据所述第一预测结果Y 1、所述第二预测结果Y 2、所述第一距离S1和所述第二距离S2计算目标预测结果Y：。
在一个实施例中，将所述第一预测气象数据和第二预测气象数据输入到所述预测模型中，对应得到第一预测结果和第二预测结果包括：对第一预测气象数据和第二预测气象数据分别进行预处理；将预处理后的第一预测气象数据和第二预测气象数据分别输入到预测模型，对应得到第一预测结果和第二预测结果。
在一个实施例中，对第一预测气象数据和第二预测气象数据分别进行预处理包括：删除第一预测气象数据和第二预测气象数据中的重复数据和无效数据，分别筛选出二者中的风向数据、风速数据、温度数据和湿度数据；分别对第一预测气象数据和第二预测气象数据中筛选出的数据进行平滑降噪处理，对应得到第一目标数据和第二目标数据；对第一目标数据和第二目标数据进行规范化处理。
在一个实施例中，一种基于5G短切片的电力设备远程监控方法还包括还包括获得所述预测模型：根据输电线的历史气象数据和舞动数据构建训练集，其中所述训练集包括多个训练样本；构建初始的预测模型：，其中z为预测结果、W为权重矩阵、X为输入数据矩阵、以及b为偏见系数，所述权重矩阵W包括m个权重系数w，所述输入数据矩阵X包括m个气象数据x，/>表示为W的行向量与X的列向量进行点积运算，即将各气象数据x与各权重系数w相乘后再求和；使用所述训练集训练所述初始的预测模型，得到预测模型。
在一个实施例中，所述初始的预测模型采用的损失函数为：
，其中z (i)为对训练集中第i个训练样本进行预测的结果；/>为对预测结果z (i)进行归一化的预测归一值，即/>，e为自然对数函数的底数，其表示输电线发生舞动的概率；y (i)为通过舞动数据得到的真实值，响应于输电线舞动，y (i)=1，响应于输电线未舞动，y (i)=0，J为真实值y (i)与预测归一值/>的偏差，n为训练集中训练样本的个数；通过梯度下降算法寻找最优的权重矩阵W和偏见系数b。
在一个实施例中，通过梯度下降算法寻找最优系数包括：对权重矩阵进行更新：；对偏见系数进行更新：/>；根据更新后的权重矩阵W'和偏见系数b'得到更新后的偏差J'，并迭代直至J'最小，其中，响应于J'最小，权重矩阵W'和偏见系数b'最优。
在第二方面中，本发明提出了一种基于5G短切片的电力设备远程监控系统，该系统包括：处理器；存储器，其存储计算机程序，当所述计算机程序由所述处理器运行时，使得设备执行根据上述发明内容中任意一项所述的基于5G短切片的电力设备远程监控方法。
本发明的效果为：
本发明通过两个与目标输电线最近的区域的气象数据的预测结果综合考虑，得到最终的目标预测数据。目标预测数据综合了两个区域的预测结果，且综合时，对预测气象数据（以及预测结果）可靠性（权重）的评判标准为二者相距输电线的距离，即以目标输电线相距获得预测气象数据的区域的距离作为参考因素，使得目标预测结果更精准、可靠。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
图1是示意性示出根据本发明的实施例的基于5G短切片的电力设备远程监控方法的步骤流程图；
图2是示意性示出根据本发明的实施例的步骤S3的步骤流程图；
图3是示意性示出根据本发明的实施例的步骤S301的步骤流程图；
图4是示意性示出根据本实施例中的基于5G短切片的电力设备远程监控系统结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图来详细描述本发明的具体实施方式。
图1是示意性示出根据本发明的实施例的基于5G短切片的电力设备远程监控方法的步骤流程图。
如图1所示，该方法包括步骤S1至步骤S4。
步骤S1：将目标输电线所处的目标城市划分为多个区域，计算目标输电线与各区域的距离，将计算得到的距离由小到大进行排序，选取前两个距离。
其中，所述两个区域包括第一区域和第二区域，第一区域与目标输电线的距离为第一距离S1，第二区域与目标输电线的距离为第二距离S2，所述目标输电线为任一段相邻两个高压塔之间的输电线。
再者，若目标城市可以分为多个辖区，则可以根据目标城市的辖区划分多个区域。区域的中心点可以根据市辖区的边界计算得出，例如通过计算边界图形的重心或中心。在其他实施例中，还可以将目标城市通过网格划分为多个区域。
进一步地，计算目标输电线与各区域的距离还包括构建一个平面坐标系：选择目标城市的某个显著地标或者其他容易标识的点作为坐标系原点；确定参考方向（通常为正北方向）。利用测量仪器（例如GPS）对目标输电线和各区域中心进行测量，得到它们相对于参考点的水平和竖直距离。这些距离信息可以用来确定每个点在平面坐标系上的位置。所述目标输电线与各区域中心的距离即为目标输电线与区域的距离。使目标输电线的两端的坐标分别为（x 1，y 1)和（x 2，y 2），通过欧几里得距离公式计算目标输电线与该区域中心的距离S i：
，其中区域中心的坐标为(x i，y i)。
步骤S2：获取第一区域的第一预测气象数据，以及第二区域的第二预测气象数据。
在一个实施例中，可以通过气象局网站获得对应区域的气象数据。还可以通过一些气象机构提供的API接口获取特定的气象数据。其中，获得的气象数据都为预测未来某一时刻或某一段时间的气象数据。
步骤S3：将所述第一预测气象数据和第二预测气象数据输入到所述预测模型中，对应得到第一预测结果和第二预测结果。
进一步地，对第一预测气象数据和第二预测气象数据进行数据处理，该过程通常包括平滑降噪和归一化处理等。随后将二者输入到已经训练过的预测模型中，预测模型对应输出第一预测结果和第二预测结果。
步骤S4：根据第一预测结果Y 1、第二预测结果Y 2、第一距离S1和第二距离S2计算目标预测结果Y。
进一步地，计算目标预测结果的公式为：。其中，与目标输电线越近的区域，其预测结果对最终的目标预测结果所占的影响越大。
在一个实施例中，第一距离S1=20km、第二距离S2=10km、第一预测结果Y 1=0.90、以及第二预测结果Y 2=0.75，因此可以得到目标预测结果Y=0.80，此时预测目标输电线发生舞动现象的概率为80%。
综上所述，本发明通过预测模型对选取的最近的两个区域的气象数据分别进行预测，再根据两个区域与目标输电线的距离分别得到预测结果的权重，最终得到的目标预测结果。
图2是示意性示出根据本发明的实施例的步骤S3的步骤流程图。如图2所示，步骤S3包括步骤S301和步骤S302。
步骤S301：对第一预测气象数据和第二预测气象数据分别进行预处理。
其中，将第一预测气象数据和第二预测气象数据进行降噪处理后，降噪处理可以使用适当的降噪算法，例如平滑滤波和中值滤波。然后对降噪后的数据归一化（标准化）处理，使其可以输入到预测模型。
步骤S302：将预处理后的第一预测气象数据和第二预测气象数据分别输入到预测模型，对应得到第一预测结果和第二预测结果。
其中，根据具体的预测需求，可以选择适当的预测模型，如神经网络模型、回归模型、时间序列模型等。根据模型的训练情况和输入数据，预测模型将生成第一预测结果和第二预测结果。
在本实施例中，获得预测模型的步骤为：根据输电线的历史气象数据和舞动数据构建训练集，其中所述训练集包括多个训练样本；构建初始的预测模型：，其中z为预测结果、W为权重矩阵、X为输入数据矩阵、以及b为偏见系数；使用所述训练集训练所述初始的预测模型。
其中，初始的预测模型采用的损失函数为：
，其中z (i)为对训练集中第i个训练样本进行预测的结果；/>为对预测结果z (i)进行归一化的预测归一值，即/>，e为自然对数函数的底数，其表示输电线发生舞动的概率；y (i)为通过舞动数据得到的真实值，响应于输电线舞动，y (i)=1，响应于输电线未舞动，y (i)=0，J为真实值y (i)与预测归一值/>的偏差，n为训练集中训练样本的个数；通过梯度下降算法寻找最优的权重矩阵W和偏见系数b。
其中，通过梯度下降算法寻找最优系数包括：对权重矩阵进行更新：；对偏见系数进行更新：/>；根据更新后的权重矩阵W'和偏见系数b'得到更新后的偏差J'，并迭代直至J'最小，其中，响应于J'最小，权重矩阵W'和偏见系数b'最优。
图3是示意性示出根据本发明的实施例的步骤S301的步骤流程图。如图3所示，步骤S301包括步骤S3011至步骤S3013。
步骤S3011：删除第一预测气象数据和第二预测气象数据中的重复数据和无效数据，分别筛选出二者中的风向数据、风速数据、温度数据和湿度数据。
其中，清洗数据可以去除重复数据、缺失值和异常值，提高数据的质量和准确性。
步骤S3012：分别对第一预测气象数据和第二预测气象数据中筛选出的数据进行平滑降噪处理，对应得到第一目标数据和第二目标数据。
其中，平滑降噪处理可以有效地去除数据中的噪声和异常值，减少数据的波动和干扰。这样可以获得更加平滑和稳定的数据，使得分析结果更加可靠和准确。
步骤S3013：对第一目标数据和第二目标数据进行规范化处理。
其中，规范化处理可以将不同特征之间的量纲统一，使得它们具有相似的尺度。这有助于消除不同特征之间的量级差异，提高数据的一致性和可比性。
进一步地，可以使用最小-最大归一化将第一目标数据和第二目标数据规范化处理，其中最小-最大归一化是一种线性变换方法，将原始数据缩放到一个指定的最小值和最大值之间。还可以使用标准化将第一目标数据和第二目标数据规范化处理，其中标准化是一种将数据转换为均值为0、标准差为1的标准正态分布的方法。
更进一步地，对第一目标数据和第二目标数据进行规范化处理的方法，与训练集进行规范化处理的方法相同。其中，训练集用于训练预测模型。
综上所述，对气象数据进行数据清洗、平滑降噪和规范化处理可以提高数据质量，去除噪声，使预测模型可以对输入数据进行处理，且使预测模型得到的结果更具有准确性。
图4是示意性示出根据本实施+的基于5G短切片的电力设备远程监控系统的结构框图。
本发明还提供了基于5G短切片的电力设备远程监控系统。如图4所示，所述系统包括处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据本发明第一方面所述的基于5G短切片的电力设备远程监控方法。
所述系统还包括通信总线和通信接口等本领域技术人员熟知的其他组件，其设置和功能为本领域中已知，因此在此不再赘述。
在本发明中，前述的存储器可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，计算机可读存储介质可以是任何适当的磁存储介质或者磁光存储介质，比如，阻变式存储器RRAM（Resistive RandomAccess Memory）、动态随机存取存储器DRAM（Dynamic Random Access Memory）、静态随机存取存储器SRAM（Static Random-Access Memory）、增强动态随机存取存储器EDRAM（Enhanced Dynamic Random Access Memory）、高带宽内存HBM（High-Bandwidth Memory）、混合存储立方HMC（Hybrid Memory Cube）等等，或者可以用于存储所需信息并且可以由应用程序、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部分或可访问或可连接到设备。本发明描述的任何应用或模块可以使用可以由这样的计算机可读介质存储或以其他方式保持的计算机可读/可执行指令来实现。
在本说明书的描述中，“多个”、“若干个”的含义是至少两个，例如两个，三个或更多个等，除非另有明确具体的限定。
虽然本说明书已经示出和描述了本发明的多个实施例，但对于本领域技术人员显而易见的是，这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中，可以采用对本文所描述的本发明实施例的各种替代方案。

Claims (7)

1.一种基于5G短切片的电力设备远程监控方法，其特征在于，包括：
将目标输电线所处的目标城市划分为多个区域，计算目标输电线与各区域的距离，将计算得到的距离由小到大进行排序，选取前两个距离对应的两个区域，其中所述两个区域包括第一区域和第二区域，第一区域与目标输电线的距离为第一距离S1，第二区域与目标输电线的距离为第二距离S2，所述目标输电线为任一段相邻两个高压塔之间的输电线；
获取第一区域的第一预测气象数据，以及第二区域的第二预测气象数据；
将所述第一预测气象数据和所述第二预测气象数据输入到所述预测模型中，对应得到第一预测结果Y 1和第二预测结果Y 2，其中所述预测模型通过预测气象数据对输电线舞动的概率进行预测；
根据所述第一预测结果Y 1、所述第二预测结果Y 2、所述第一距离S1和所述第二距离S2计算目标预测结果Y：。
2.根据权利要求1所述的基于5G短切片的电力设备远程监控方法，其特征在于，将所述第一预测气象数据和第二预测气象数据输入到所述预测模型中，对应得到第一预测结果和第二预测结果包括：
对第一预测气象数据和第二预测气象数据分别进行预处理；
将预处理后的第一预测气象数据和第二预测气象数据分别输入到预测模型，对应得到第一预测结果和第二预测结果。
3.根据权利要求1所述的基于5G短切片的电力设备远程监控方法，其特征在于，对第一预测气象数据和第二预测气象数据分别进行预处理包括：
删除第一预测气象数据和第二预测气象数据中的重复数据和无效数据，分别筛选出二者中的风向数据、风速数据、温度数据和湿度数据；
分别对第一预测气象数据和第二预测气象数据中筛选出的数据进行平滑降噪处理，对应得到第一目标数据和第二目标数据；
对第一目标数据和第二目标数据进行规范化处理。
4.根据权利要求1所述的基于5G短切片的电力设备远程监控方法，其特征在于，还包括获得所述预测模型：
根据输电线的历史气象数据和舞动数据构建训练集，其中所述训练集包括多个训练样本；
构建初始的预测模型：，其中z为预测结果、W为权重矩阵、X为输入数据矩阵、以及b为偏见系数，所述权重矩阵W包括m个权重系数w，所述输入数据矩阵X包括m个气象数据x，/>表示为W的行向量与X的列向量进行点积运算，即将各气象数据x与各权重系数w相乘后再相加；
使用所述训练集训练所述初始的预测模型，得到预测模型。
5.根据权利要求4所述的基于5G短切片的电力设备远程监控方法，其特征在于，所述初始的预测模型采用的损失函数为：
，其中z (i)为对训练集中第i个训练样本进行预测的结果；/>为对预测结果z (i)进行归一化的预测归一值，即/>，e为自然对数函数的底数，其表示输电线发生舞动的概率；y (i)为通过舞动数据得到的真实值，响应于输电线舞动，y (i)=1，响应于输电线未舞动，y (i)=0，J为真实值y (i)与预测归一值/>的偏差，n为训练集中训练样本的个数；
通过梯度下降算法寻找最优的权重矩阵W和偏见系数b。
6.根据权利要求5所述的基于5G短切片的电力设备远程监控方法，其特征在于，通过梯度下降算法寻找最优系数包括：
对权重矩阵进行更新：；
对偏见系数进行更新：；
根据更新后的权重矩阵W'和偏见系数b'得到更新后的偏差J'，并迭代直至J'最小，其中，响应于J'最小，权重矩阵W'和偏见系数b'最优。
7.一种基于5G短切片的电力设备远程监控系统，其特征在于，包括：
处理器；
存储器，其存储计算机程序，当所述计算机程序由所述处理器运行时，使得设备执行根据权利要求1至6中任意一项所述的基于5G短切片的电力设备远程监控方法。
CN202410076934.7A 2024-01-19 2024-01-19 一种基于5g短切片的电力设备远程监控方法及系统 Active CN117595260B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410076934.7A CN117595260B (zh) 2024-01-19 2024-01-19 一种基于5g短切片的电力设备远程监控方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410076934.7A CN117595260B (zh) 2024-01-19 2024-01-19 一种基于5g短切片的电力设备远程监控方法及系统

Publications (2)

Publication Number Publication Date
CN117595260A CN117595260A (zh) 2024-02-23
CN117595260B true CN117595260B (zh) 2024-03-29

Family

ID=89915448

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410076934.7A Active CN117595260B (zh) 2024-01-19 2024-01-19 一种基于5g短切片的电力设备远程监控方法及系统

Country Status (1)

Country Link
CN (1) CN117595260B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093044A (zh) * 2013-01-10 2013-05-08 湖北省电力公司电力科学研究院 输电线路覆冰舞动分布图测绘方法
WO2016033883A1 (zh) * 2014-09-04 2016-03-10 国家电网公司 一种基于Adaboost的输电线舞动风险预警方法
CN107044884A (zh) * 2017-04-18 2017-08-15 沈阳工业大学 一种架空输电线路舞动的监测方法
CN113240156A (zh) * 2021-04-16 2021-08-10 中国电力科学研究院有限公司 一种架空输电线路舞动状态在线预测方法及系统
CN116128307A (zh) * 2023-02-28 2023-05-16 国网河南省电力公司电力科学研究院 基于多元数据传导网络输电线路舞动预警预警系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093044A (zh) * 2013-01-10 2013-05-08 湖北省电力公司电力科学研究院 输电线路覆冰舞动分布图测绘方法
WO2016033883A1 (zh) * 2014-09-04 2016-03-10 国家电网公司 一种基于Adaboost的输电线舞动风险预警方法
CN107044884A (zh) * 2017-04-18 2017-08-15 沈阳工业大学 一种架空输电线路舞动的监测方法
CN113240156A (zh) * 2021-04-16 2021-08-10 中国电力科学研究院有限公司 一种架空输电线路舞动状态在线预测方法及系统
CN116128307A (zh) * 2023-02-28 2023-05-16 国网河南省电力公司电力科学研究院 基于多元数据传导网络输电线路舞动预警预警系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Simulation of Large-Scale 5G Communication Optimization Model Based on Fuzzy Neural Network Optimization Algorithm;Xiangling Zhou et;《2023 International Conference on Power, Electrical Engineering, Electronics and Control (PEEEC)》;20231231;第 849-853页 *
基于Ａｄａｂｏｏｓｔ算法的输电线路舞动预警方法;李哲 等;《重庆大学学报》;20160229;第39卷(第1期);第32-38页 *

Also Published As

Publication number Publication date
CN117595260A (zh) 2024-02-23

Similar Documents

Publication Publication Date Title
CN103246805B (zh) 一种针对风灾天气下架空输电线路时变停运概率的估计方法
CN114942481B (zh) 热带气旋过程极值风速概率预报方法、装置和计算机设备
CN109359882B (zh) 一种台风灾害下输电线路跳闸风险评估方法
CN110188399B (zh) 一种基于多相关序列的大坝安全监测单测点评价方法
CN114896872A (zh) 一种高压输电线路覆冰状态综合评估方法
CN115858609A (zh) 电动汽车充电桩状态监测方法、故障鉴定方法及电子设备
CN113065223A (zh) 一种塔桅集群数字孪生模型多等级概率修正方法
CN113313291B (zh) 一种基于初值扰动的电网风灾集合预报以及验证方法
CN116169670A (zh) 一种基于改进神经网络的短期非居民负荷预测方法及系统
CN113935384B (zh) 一种信号自适应分解和识别的桥梁健康监测方法及系统
CN105958474B (zh) 一种电网调控系统用输电线路动态增容方法和系统
CN114548601A (zh) 基于bp神经网络的配电网极端灾害下停电预测方法及系统
CN117909888A (zh) 智慧人工智能气候预测方法
CN114594532A (zh) 一种寒潮天气预测方法、装置、电子设备及计算机可读介质
CN117595260B (zh) 一种基于5g短切片的电力设备远程监控方法及系统
CN116316615B (zh) 基于数据增强的分布式光伏群短期功率预测方法及系统
CN117150808A (zh) 一种强对流天气下输电线路韧性评估方法、系统及设备
CN117371303A (zh) 一种海浪下有效波高的预测方法
CN112802011A (zh) 一种基于vgg-bls的风机叶片缺陷检测方法
CN117200223A (zh) 日前电力负荷预测方法和装置
CN112541634A (zh) 一种顶层油温预测、误报火警判别方法、装置和存储介质
CN117114161A (zh) 一种基于元学习的输电线路风偏闪络风险的预测方法
CN108509537B (zh) 一种输电线路舞动概率预报系统及方法
CN111091223A (zh) 一种基于物联网智能感知技术的配变短期负荷预测方法
Duan et al. ASCAT wind superobbing based on feature box

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