本發(fā)明涉及電網(wǎng)安全領(lǐng)域，尤指一種電網(wǎng)覆冰預(yù)報方法及裝置。

背景技術(shù)：

覆冰對電網(wǎng)的危害，按照其引發(fā)原因可分五類：(1)線路過荷載。寒冷雨雪天氣下，覆冰在導線上不斷增長，導致輸電導線的質(zhì)量和體積不斷增大，使導線弧垂增大、對地間距減小，積累到一定程度時，就可能發(fā)生閃絡(luò)事故。同時，導線弧垂和體積增大，在風力作用下，有可能造成兩導線或?qū)Ь€與地面相碰，發(fā)生短路跳閘、燒傷甚至燒斷導線的事故。當覆冰質(zhì)量進一步增大，超過導線、金屬、絕緣子以及塔桿的機械強度時，可能使導線從壓接管內(nèi)抽出，或外層鋁股斷裂、鋼芯抽出。而覆冰質(zhì)量超過桿塔額定負載時，可能導致桿塔塔基下沉、傾斜或者爆裂。桿塔折斷甚至倒塌。(2)相鄰檔不均勻覆冰或不同期脫冰。會產(chǎn)生張力差使導線在線夾內(nèi)滑動，嚴重時導線外層鋁股在線夾口處全部斷裂、鋼芯抽動，線夾另一側(cè)的鋁股將擁擠在線夾附近。(3)絕緣子串冰閃。冰閃是污閃的一種特殊形式，嚴重覆冰的情況下，絕緣子大量傘形出現(xiàn)冰凌橋接，使絕緣子絕緣強度降低，泄露距離縮短。融冰過程中，冰體或冰晶體的表面水膜可很快溶解污穢中的電解質(zhì)，提高融冰水或者冰面水膜的電導率，引起絕緣子串電壓分布及單片絕緣子表面電壓分布的畸變，從而降低覆冰絕緣子串的閃絡(luò)電壓。(4)輸電導線舞動損壞電力設(shè)備。風力作用下發(fā)生低頻(通常0.1～3hz)大幅度(振幅為導線直徑的5～300倍)的震動或舞動。導線舞動時，將損壞桿塔、導線、金具及部件，造成頻繁跳閘甚至停電事故。(5)變電站設(shè)備覆冰事故。變電站中，許多戶外高壓隔離開關(guān)采用了閘刀式結(jié)構(gòu)，這種結(jié)構(gòu)在高寒冷冰凍條件下，甚至不能正常分和，極大地干擾了電網(wǎng)系統(tǒng)正常運行。

2008年初，低溫雨雪冰凍天氣覆蓋我國南方，華中、華東地區(qū)，導致貴州、湖南，廣東、云南、廣西和江西等省輸電線路大面積、長時間停運，造成全國范圍電網(wǎng)停運電力線路36740條，停運變電站共2018座，110～500kv線路共有8381基桿塔傾倒及損壞。全國共170個縣(市)發(fā)生供電中斷的情況。南方電網(wǎng)供電區(qū)域的貴州大部分地區(qū)、廣西桂北地區(qū)、廣東粵北地區(qū)和云南滇東北地區(qū)設(shè)施遭受到嚴重破壞。這次冰災(zāi)給國民經(jīng)濟和人民生活造成巨大損失，僅南方電網(wǎng)的直接經(jīng)濟損失就達150多億元，基于此，如何提供一種準確有效的覆冰預(yù)測方法，成為業(yè)內(nèi)亟需解決的一個問題。

現(xiàn)有的覆冰預(yù)測方法主要分為物理數(shù)值模型和統(tǒng)計分析方法兩類，而兩種方法都是只考慮了基本氣象要素或因子，鮮有加入氣候尺度因子以及環(huán)流特征場，沒有考慮到氣候因素和大氣環(huán)流對覆冰天氣預(yù)測的指導意義。

技術(shù)實現(xiàn)要素：

本發(fā)明目的在于由氣候背景場的角度出發(fā)，利用大氣環(huán)流指數(shù)與機器學習方法相結(jié)合的方式預(yù)測電線覆冰程度，以此避免了只有少數(shù)基本氣象因子參與預(yù)報的缺點，也為中長期覆冰預(yù)報提供有效支持。

為達上述目的，本發(fā)明具體提供一種電網(wǎng)覆冰預(yù)報方法，所述方法包含：獲取電線覆冰日數(shù)數(shù)據(jù)，根據(jù)所述電線覆冰日數(shù)數(shù)據(jù)計算獲得覆冰程度數(shù)據(jù)；獲取大氣環(huán)流指數(shù)數(shù)據(jù)，根據(jù)所述大氣環(huán)流指數(shù)數(shù)據(jù)與所述歷史電線覆冰日數(shù)數(shù)據(jù)之間的關(guān)系獲得特征因子；將所述覆冰程度數(shù)據(jù)與所述特征因子帶入svm機器學習模型即支持向量機中進行擬合，獲得擬合函數(shù)模型；將待測數(shù)據(jù)所對應(yīng)的大氣環(huán)流指數(shù)數(shù)據(jù)帶入所述擬合函數(shù)模型，獲得電網(wǎng)覆冰預(yù)報信息。

在上述電網(wǎng)覆冰預(yù)報方法中，優(yōu)選的，根據(jù)所述歷史電線覆冰日數(shù)數(shù)據(jù)計算獲得覆冰程度數(shù)據(jù)包含：根據(jù)以下公式獲得所述覆冰程度數(shù)據(jù)；

在上述公式中：xi是電線覆冰日數(shù)；i是時間段。

在上述電網(wǎng)覆冰預(yù)報方法中，優(yōu)選的，根據(jù)所述大氣環(huán)流指數(shù)數(shù)據(jù)與所述歷史電線覆冰日數(shù)數(shù)據(jù)之間的關(guān)系獲得特征因子包含：根據(jù)以下公式獲得所述特征因子；

在上述公式中：r為大氣環(huán)流指數(shù)和電線覆冰日數(shù)之間的相關(guān)系數(shù)；i為第i個大氣環(huán)流指數(shù)；j為第j個電線覆冰日數(shù)；yj為電線覆冰日數(shù)；為大氣環(huán)流指數(shù)；是全時間段的電線覆冰日數(shù)的平均值；n為覆冰日數(shù)數(shù)據(jù)的總數(shù)；是全時間段的大氣環(huán)流指數(shù)i的平均值。

在上述電網(wǎng)覆冰預(yù)報方法中，優(yōu)選的，根據(jù)所述大氣環(huán)流指數(shù)數(shù)據(jù)與所述歷史電線覆冰日數(shù)數(shù)據(jù)之間的關(guān)系獲得特征因子還包含：根據(jù)所述覆冰程度數(shù)據(jù)與所述大氣環(huán)流指數(shù)數(shù)據(jù)之間的關(guān)系，對所述大氣環(huán)流指數(shù)數(shù)據(jù)做標準化處理。

在上述電網(wǎng)覆冰預(yù)報方法中，優(yōu)選的，所述對所述大氣環(huán)流指數(shù)數(shù)據(jù)做標準化處理包含：當所述大氣換流指數(shù)數(shù)據(jù)與所述電線覆冰日數(shù)數(shù)據(jù)為正相關(guān)時，通過以下公式對所述大氣換流指數(shù)數(shù)據(jù)做標準化處理；

在上式中：是標準化后的系數(shù)；是第j個時間段里的第i個環(huán)流指數(shù)；是第i個環(huán)流指數(shù)在全時間段里的最小值；是第i個環(huán)流指數(shù)在全時間段里的最大值。

在上述電網(wǎng)覆冰預(yù)報方法中，優(yōu)選的，所述對所述大氣環(huán)流指數(shù)數(shù)據(jù)做標準化處理包含：當所述大氣換流指數(shù)數(shù)據(jù)與所述電線覆冰日數(shù)數(shù)據(jù)為負相關(guān)時，通過以下公式對所述大氣換流指數(shù)數(shù)據(jù)做標準化處理；

在上式中：是標準化后的系數(shù)；是第j個時間段里的第i個環(huán)流指數(shù)；是第i個環(huán)流指數(shù)在全時間段里的最小值；是第i個環(huán)流指數(shù)在全時間段里的最大值。

在上述電網(wǎng)覆冰預(yù)報方法中，優(yōu)選的，將所述覆冰程度數(shù)據(jù)與所述特征因子帶入svm機器學習模型中進行擬合包含：通過高斯內(nèi)核函數(shù)對所述覆冰程度數(shù)據(jù)與所述特征因子進行擬合。

在上述電網(wǎng)覆冰預(yù)報方法中，優(yōu)選的，通過高斯內(nèi)核函數(shù)對所述覆冰程度數(shù)據(jù)與所述特征因子進行擬合包含：根據(jù)以下公式對通過高斯內(nèi)核函數(shù)對所述覆冰程度數(shù)據(jù)與所述特征因子進行擬合；

在上式中：σ為方差是常數(shù)；x為觀測數(shù)據(jù)的向量；x^p為支持向量。

本發(fā)明還提供一種電網(wǎng)覆冰預(yù)報裝置，所述裝置包含覆冰程度統(tǒng)計模塊、特征因子計算模塊、學習模塊和預(yù)測模塊；所述含覆冰程度統(tǒng)計模塊用于獲取電線覆冰日數(shù)數(shù)據(jù)，根據(jù)所述電線覆冰日數(shù)數(shù)據(jù)計算獲得覆冰程度數(shù)據(jù)；所述特征因子計算模塊用于獲取大氣環(huán)流指數(shù)數(shù)據(jù)，根據(jù)所述大氣環(huán)流指數(shù)數(shù)據(jù)與所述歷史電線覆冰日數(shù)數(shù)據(jù)之間的關(guān)系獲得特征因子；所述學習模塊用于將所述覆冰程度數(shù)據(jù)與所述特征因子帶入svm機器學習模型中進行擬合，獲得擬合函數(shù)模型；所述預(yù)測模塊用于將待測數(shù)據(jù)所對應(yīng)的大氣環(huán)流指數(shù)數(shù)據(jù)帶入所述擬合函數(shù)模型，獲得電網(wǎng)覆冰預(yù)報信息。

在上述電網(wǎng)覆冰預(yù)報裝置中，優(yōu)選的，所述特征因子計算模塊還包含標準化單元，所述標準化單元用于根據(jù)所述覆冰程度數(shù)據(jù)與所述大氣環(huán)流指數(shù)數(shù)據(jù)之間的關(guān)系，對所述大氣環(huán)流指數(shù)數(shù)據(jù)做標準化處理。

本發(fā)明所提供的電網(wǎng)覆冰預(yù)報方法及裝置通過由氣候背景場的角度出發(fā)，利用大氣環(huán)流指數(shù)與機器學習方法相結(jié)合的方式預(yù)測電線覆冰程度的方式，避免了只有少數(shù)基本氣象因子參與預(yù)報的缺點，也為中長期覆冰預(yù)報提供有效支持。

附圖說明

此處所說明的附圖用來提供對本發(fā)明的進一步理解，構(gòu)成本申請的一部分，并不構(gòu)成對本發(fā)明的限定。在附圖中：

圖1為本發(fā)明所提供的電網(wǎng)覆冰預(yù)報方法的流程示意圖；

圖2為本發(fā)明所提供的電網(wǎng)覆冰預(yù)報裝置的結(jié)構(gòu)示意圖。

具體實施方式

為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚明白，下面結(jié)合實施例和附圖，對本發(fā)明做進一步詳細說明。在此，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，但并不作為對本發(fā)明的限定。

請參考圖1所示，本發(fā)明具體提供一種電網(wǎng)覆冰預(yù)報方法，所述方法包含：s101獲取電線覆冰日數(shù)數(shù)據(jù)，根據(jù)所述電線覆冰日數(shù)數(shù)據(jù)計算獲得覆冰程度數(shù)據(jù)；s102獲取大氣環(huán)流指數(shù)數(shù)據(jù)，根據(jù)所述大氣環(huán)流指數(shù)數(shù)據(jù)與所述歷史電線覆冰日數(shù)數(shù)據(jù)之間的關(guān)系獲得特征因子；s103將所述覆冰程度數(shù)據(jù)與所述特征因子帶入svm機器學習模型即支持向量機中進行擬合，獲得擬合函數(shù)模型；s104將待測數(shù)據(jù)所對應(yīng)的大氣環(huán)流指數(shù)數(shù)據(jù)帶入所述擬合函數(shù)模型，獲得電網(wǎng)覆冰預(yù)報信息。

根據(jù)本發(fā)明所提供的上述實施例，在實際工作中首先獲得電線覆冰日數(shù)數(shù)據(jù)，根據(jù)電線覆冰日數(shù)計算電線覆冰程度；其次，獲得大氣環(huán)流指數(shù)數(shù)據(jù)，根據(jù)大氣環(huán)流指數(shù)與電線覆冰程度的相關(guān)關(guān)系找到相關(guān)關(guān)系最大的大氣環(huán)流指數(shù)類型；然后，將通過找相關(guān)關(guān)系獲得的相關(guān)關(guān)系最大的大氣環(huán)流指數(shù)類型和電線覆冰程度代入機器學習模型中，進行電線覆冰預(yù)測模型訓練獲得擬合函數(shù)模型；再將待測數(shù)據(jù)所對應(yīng)的大氣環(huán)流指數(shù)數(shù)據(jù)帶入所述擬合函數(shù)模型，以此獲得電網(wǎng)覆冰預(yù)報信息；當然，為增加該預(yù)測的準確性，后期還可利用觀測到的電線覆冰程度，和預(yù)測的電線覆冰程度作對比，綜合選擇調(diào)整最佳參數(shù)系數(shù)，以幫助該預(yù)測的電線覆冰程度更貼近于實際覆冰程度。此外，為增強預(yù)報可讀性，也可將最終預(yù)報的電線覆冰程度劃分等級給予文字描述，幫助工作人員及時了解該預(yù)測情況。

為更清楚的說明上述電網(wǎng)覆冰預(yù)報方法的詳細步驟，以下對該電網(wǎng)覆冰預(yù)報方法做進一步說明。

在本發(fā)明一優(yōu)選的實施例中，根據(jù)所述歷史電線覆冰日數(shù)數(shù)據(jù)計算獲得覆冰程度數(shù)據(jù)包含：從電網(wǎng)微氣象觀測設(shè)備中獲得電線覆冰日數(shù)，通過以下公式計算覆冰程度；

其中xi是電線覆冰日數(shù)，i是時間段，可以是年或月。如果i是年，xi就是給定年的覆冰日數(shù)。例如：訓練全時間段為1980～2000年共20年，那么i＝1,2,3,…...,19,20；x1是1980年的覆冰日數(shù)，x2是1981年的覆冰日數(shù)，以此類推x20是2000年的覆冰日數(shù)。如果i是月，xi就是給定月的覆冰日數(shù)。例如：訓練全時間段為1980～2000年共240個月，那么i＝1,2,3,……,239,240；x1為1980年1月的覆冰日數(shù)，x2為1980年2月覆冰日數(shù)，以此類推，x239為2000年11月的覆冰日數(shù)，x240為2000年12月的覆冰日數(shù)。

在本發(fā)明的另一優(yōu)選的實施例中，根據(jù)所述大氣環(huán)流指數(shù)數(shù)據(jù)與所述歷史電線覆冰日數(shù)數(shù)據(jù)之間的關(guān)系獲得特征因子包含：從全球氣候交換數(shù)據(jù)中獲取以下大氣環(huán)流指數(shù)數(shù)據(jù)，如印度副熱帶高壓脊線，亞特蘭大副熱帶高壓脊線，北半球副熱帶高壓脊線，印度副熱帶高壓面指數(shù)，亞特蘭大歐洲環(huán)流c型，東太平洋北接線，太平洋極渦面指數(shù)，北半球極渦面指數(shù)，太平洋區(qū)域極渦強度指數(shù)，亞洲區(qū)環(huán)流指數(shù)，歐亞區(qū)域環(huán)流指數(shù)等。

從大氣環(huán)流指數(shù)數(shù)據(jù)中選擇特征因子主要通過以下公式獲得：

這里r表示大氣環(huán)流指數(shù)和電線覆冰日數(shù)之間的相關(guān)系數(shù)；n為覆冰日數(shù)數(shù)據(jù)的總數(shù)；其中i表示第i個大氣環(huán)流指數(shù)，j表示第j個電線覆冰日數(shù)(即在全時間段內(nèi)，電線覆冰日數(shù)數(shù)據(jù)的個數(shù)。例如，所要訓練的全時間段為2年，時間段為月，那么在這2年里，電線覆冰日數(shù)數(shù)據(jù)有24個，按時間先后排序，那么j＝1,2,……,24)。值得說明的是，yj表示電線覆冰日數(shù)，表示大氣環(huán)流指數(shù)，是全時間段的電線覆冰日數(shù)的平均值，即，此處n為覆冰日數(shù)數(shù)據(jù)的總數(shù)。是全時間段的大氣環(huán)流指數(shù)i的平均值，即，此處n為環(huán)流指數(shù)類型的總數(shù)；全時間段是指前文提到的時間段的總和，例如時間段為年，那么全時間段應(yīng)該有很多年，為年的集合；如果時間段是月，那么全時間段是月的集合，例如時間段為月，全時間段為2000年到2001年的24個月，那么2000年1月為第1個月，2001年1月為第13個月，以此類推，2001年12月為第24個月。

在上述實施例中，根據(jù)所述大氣環(huán)流指數(shù)數(shù)據(jù)與所述歷史電線覆冰日數(shù)數(shù)據(jù)之間的關(guān)系獲得特征因子還包含：根據(jù)所述覆冰程度數(shù)據(jù)與所述大氣環(huán)流指數(shù)數(shù)據(jù)之間的關(guān)系，對所述大氣環(huán)流指數(shù)數(shù)據(jù)做標準化處理。

其中標準化處理對不同類型有兩個方法：當該大氣環(huán)流指數(shù)與電線覆冰日數(shù)為正相關(guān)時用公式：

當大氣環(huán)流指數(shù)與電線覆冰日數(shù)為負相關(guān)時用公式：

做大氣環(huán)流指數(shù)的標準化計算；其中：是標準化后的系數(shù)，是第j個時間段里的第i個環(huán)流指數(shù)，是第i個環(huán)流指數(shù)在全時間段里的最小值，是第i個環(huán)流指數(shù)在全時間段里的最大值。

將時間段分成若干短時間段，分別計算相關(guān)系數(shù)ri，得到多組系數(shù)ri，將系數(shù)ri取平均值并按照降序排列，將ri較小的舍去，重新排列留下的ri所對應(yīng)的大氣環(huán)流指數(shù)x＝1,…,m；再利用公式(2)計算新大氣環(huán)流指數(shù)矩陣中的各項對應(yīng)的相關(guān)系數(shù)rrix,如果rr12＞r1,那么留下如果rr12＜r1,那么去掉在計算和的相關(guān)系數(shù)，如果rr13＞r1,那么留下以此類推，兩個因子之間的相關(guān)性全部計算并比較完畢以后，再計算三個變量之間的相關(guān)性并做比較剔除，直到計算并比較完了全部因子，最后被留下的因子作為特征因子代入機器學習模型中。

在本發(fā)明的另一優(yōu)選的實施例中，將所述覆冰程度數(shù)據(jù)與所述特征因子帶入svm機器學習模型中進行擬合包含：通過高斯內(nèi)核函數(shù)對所述覆冰程度數(shù)據(jù)與所述特征因子進行擬合；具體包含：根據(jù)以下公式對通過高斯內(nèi)核函數(shù)對所述覆冰程度數(shù)據(jù)與所述特征因子進行擬合；

在上式中：σ為方差是常數(shù)；x為觀測數(shù)據(jù)的向量；x^p為支持向量。

將上述實施例中計算得到的電線覆冰程度數(shù)據(jù)和最后選擇的特征因子代入機器學習模型中進行擬合，進行多次試驗選取擬合參數(shù)，最后得到最適合的擬合函數(shù)模型；用該模型進行覆冰預(yù)報，輸入數(shù)據(jù)為標準化并進行特征選擇以后的大氣環(huán)流指數(shù)數(shù)據(jù)，輸出數(shù)據(jù)則為預(yù)測覆冰程度數(shù)據(jù)即電網(wǎng)覆冰預(yù)報信息；該模型具有自適應(yīng)與更新的能力，當有新的覆冰觀測數(shù)據(jù)和大氣環(huán)流指數(shù)數(shù)據(jù)時，該模型可根據(jù)新數(shù)據(jù)重復上述步驟不斷進行模型升級優(yōu)化，增強預(yù)報準確度。

在實際工作中為了增強預(yù)報可讀性，最后將覆冰等級劃分，根據(jù)最終得到的覆冰程度即電網(wǎng)覆冰預(yù)報信息劃分覆冰等級；劃分方法如下：將電線覆冰日數(shù)數(shù)據(jù)按升序排列，將其對應(yīng)的電線覆冰程度按從小到大的順序分為小、中、大三個等級范圍，分別對應(yīng)輕度覆冰，中度覆冰和重度覆冰三個等級。

請參考圖2所示，本發(fā)明還提供一種電網(wǎng)覆冰預(yù)報裝置，所述裝置包含覆冰程度統(tǒng)計模塊201、特征因子計算模塊202、學習模塊203和預(yù)測模塊204；所述含覆冰程度統(tǒng)計模塊201用于獲取電線覆冰日數(shù)數(shù)據(jù)，根據(jù)所述電線覆冰日數(shù)數(shù)據(jù)計算獲得覆冰程度數(shù)據(jù)；所述特征因子計算模塊202用于獲取大氣環(huán)流指數(shù)數(shù)據(jù)，根據(jù)所述大氣環(huán)流指數(shù)數(shù)據(jù)與所述歷史電線覆冰日數(shù)數(shù)據(jù)之間的關(guān)系獲得特征因子；所述學習模塊203用于將所述覆冰程度數(shù)據(jù)與所述特征因子帶入svm機器學習模型中進行擬合，獲得擬合函數(shù)模型；所述預(yù)測模塊204用于將待測數(shù)據(jù)所對應(yīng)的大氣環(huán)流指數(shù)數(shù)據(jù)帶入所述擬合函數(shù)模型，獲得電網(wǎng)覆冰預(yù)報信息。

在上述實施例中，所述特征因子計算模塊還包含標準化單元，所述標準化單元用于根據(jù)所述覆冰程度數(shù)據(jù)與所述大氣環(huán)流指數(shù)數(shù)據(jù)之間的關(guān)系，對所述大氣環(huán)流指數(shù)數(shù)據(jù)做標準化處理。

本發(fā)明所提供的電網(wǎng)覆冰預(yù)報方法及裝置通過由氣候背景場的角度出發(fā)，利用大氣環(huán)流指數(shù)與機器學習方法相結(jié)合的方式預(yù)測電線覆冰程度的方式，避免了只有少數(shù)基本氣象因子參與預(yù)報的缺點，也為中長期覆冰預(yù)報提供有效支持。

以上所述的具體實施例，對本發(fā)明的目的、技術(shù)方案和有益效果進行了進一步詳細說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實施例而已，并不用于限定本發(fā)明的保護范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。