公开/公告号CN112232592A
专利类型发明专利
公开/公告日2021-01-15
原文格式PDF
申请/专利号CN202011207963.0
申请日2020-11-03
分类号G06Q10/04(20120101);G06Q10/06(20120101);G06Q50/06(20120101);G06K9/62(20060101);
代理机构43213 长沙朕扬知识产权代理事务所(普通合伙);
代理人邓宇
地址 410000 湖南省长沙市天心区新韶东路398号
入库时间 2023-06-19 09:35:27
技术领域
本发明涉及电力系统的气象灾害技术领域,具体涉及一种基于Adaboost的输电线路山火灾害风险预警方法。
背景技术
输电线路作为电网的重要基础设施,其安全稳定运行直接影响电网稳定性和供电可靠性。然而,输电线路途经山岭地带极易受到山火等自然灾害的威胁,当山火发生时造成输电线路故障跳闸的原因主要是火焰温度、火焰导电率以及灰烬和烟雾导致间隙绝缘水平下降,发生气隙击穿闪络。近年来,输电走廊发生山火造成的输电线路故障停运事件有逐年增多的趋势。因此,提前预测预警输电线路山火发生概率和评估输电线路山火灾害风险,可以有效防止输电线路山火灾害事故发生,且对降低山火灾害的损失具有重要意义。
目前,国内已开展了大量输电线路山火灾害风险评估方法相关研究。
CN106157178A专利公开了《一种输电线路走廊周边山火发展趋势预测方法》,主要是通过小型雷达提供精细化的线路走廊周边火情信息与中长期气象状态,同时具备监测范围广,气象数据精度高等优点。
CN104915775A专利公开了《一种基于输电线路山火灾害风险评估以及应急决策方法》,该方法结合输电线路山火跳闸机理计算现场山火引起输电线路跳闸的概率,并计算线路跳闸后的负荷损失,根据跳闸概率及负荷损失评估出跳闸风险值。然后根据输电线路电压等级、山火跳闸综合负荷损失量、山火跳闸风险值计算输电线路现场山火处置优先级,科学地给出配置可供支配资源的最优决策方案。
专利CN105931408A公开了《一种架空输电线路的山火密度的预测方法》,主要步骤包括将架空输电线路通过的目标区域划分为网格,并根据每个网格的历史卫星监测热点密度,预测每个网格未来同期的热点密度,可开展电网山火精细化预测,预测空间分辨率可达2.5×2.5km,可有效指导电网山火防治。
然而,上述方法均未全面考虑历史山火灾害的气象特征因素信息,且模型中的参数获取不够精确,人工经验因素占据主要地位。因此,不具备较强的理论合理性,导致输电线路山火灾害的客观性有所降低;电网GIS的地址灾害预警方法根据监测数据反馈的图像数据而来,但数据的实时性不能保证,这样会导致输电线路山火灾害预警时间不及时,从而效果不理想。
针对上述方法存在的问题,迫切需要一种主动性更强、智能程度更高、应用范围更广的输电线路山火灾害风险预警方法,以减轻输电线路山火灾害损失,提高输电线路应对山火灾害的能力和安全稳定运行水平。
发明内容
本发明主要目的在于公开一种基于Adaboost的输电线路山火灾害风险预警方法,以实现高精度下的输电线路山火灾害预测预警。
为达上述目的,本发明公开一种基于Adaboost的输电线路山火灾害风险预警方法,包括:
步骤S1,针对输电线路山火灾害的影响因素进行分析,并按照分类结果对输电线路历史山火灾害事故下的气象特征因素进行统计;
步骤S2,将被预测的整条输电线路依次划分为M个区段,分别搜集和整理各区段Ω
步骤S3,针对每个区段Ω
步骤S4,根据区段Ω
步骤S5,根据所述山火灾害预警输出结果X和置信度margin值margin(Ω,X),判定得到输电线路山火灾害风险预警等级。
本发明从电网山火灾害实际发生状况和运行角度提出了一种基于Adaboost的输电线路山火灾害风险预警方法,本质上将输电线路山火灾害风险预警问题归结为有监督学习下的分类预测问题,通过Adaboost集成学习算法建立强分类器,综合计算处理电网线路结构数据参数、气象数据以及地质特征要素数据,获取输电线路山火灾害风险等级,最终实现高精度下的输电线路山火灾害预测预警。至少具有以下有益效果:
1、本发明不仅考虑了影响输电线路山火灾害影响因素,尤其是外部因素,而且充分利用电网历史山火灾害信息,更加符合输电线路山火灾害的实际情况。
2、本发明采用Adaboost集成学习算法,有利于从样本数据中学习到的规则中强化适用于新数据的能力,具有泛化能力强、易编码等特点,预测预警结果可靠性高。
3、本发明的方法流程可操作性强,更具有实用性。
下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例基于Adaboost的输电线路山火灾害风险预警方法的流程示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1
本实施例公开一种基于Adaboost的输电线路山火灾害风险预警方法,参照图1,包括:
步骤S1,针对输电线路山火灾害的影响因素进行分析,并按照分类结果对输电线路历史山火灾害事故下的气象特征因素进行统计。
可选的,在该步骤中,输电线路山火灾害影响因素分类结果包括有:输电线路各基杆塔的基础特征、地形地貌信息;气象特征因素包括有:降水量、风速、相对湿度和温度。
步骤S2,将被预测的整条输电线路依次划分为M个区段,分别搜集和整理各区段Ω
步骤S3,针对每个区段Ω
优选地,上述步骤S3具体计算包括下述A-D:
A:输入:训练样本集U|
B:初始化:样本权值分布ω
C:训练样本进化及弱分类器:弱分类器分类算法记为
C1、根据第t次的样本权值分布ω
C2、根据
C3、计算弱分类器
上式中:
C4、计算弱分类器
C5、更新权值分布:
其中,Z
D:确定输电线路区段Ω
其中,函数
步骤S4,根据区段Ω
与上述步骤S3相对应的,该步骤的优选地计算公式如下:
上式中,margin(Ω,X)∈[-1,1],较大的正边界则表示预测该线路发生山火灾害的可信度高,较大的负边界表示预测该线路不发生山火灾害事故的可信度高,较小的边界则表示预测结果的可信度较低。
步骤S5,根据所述山火灾害预警输出结果X和置信度margin值margin(Ω,X),判定得到输电线路山火灾害风险预警等级。
综上,简化的本实施例方法即为:将被预测的整条输电线路依次划分为M个区段;针对每个区段内的输电线路信息,选择与区段相对应的输电线路山火灾害影响因素分类类别,并以这些类别中历史山火灾害事故条件下的气象特征因素信息记录构成训练样本集,以Adaboost集成学习算法形成分类器,通过分类器得到区段中输电线路山火灾害预警输出结果和置信度margin值;进而依据每个区段的权重比例线性组合计算输电线路整条输电线路山火灾害预警输出结果和置信度margin值,从而判定得到输电线路山火灾害风险预警等级。
依托本实施例的上述方法,以2014-2019年18组湖南电网±500kv直流某输电线路样本数据集为例,输电线路山火灾害影响因素分类结果包括有:①输电线路各基杆塔的基础特征,包括独立基础、桩基础和掏挖基础;②地形地貌信息;③土体密实度;④地层岩性;⑤土体中碎石含量;⑥坡面特征特性;⑦泥石流致灾因子,包括泥位、泥速、次声和地声。气象特征因素包括有:①降水量;②风速;③相对湿度;④温度。被预测的整条输电线路依次划分为20个区段,该输电线路区段权重取值为:
对应的输电线路山火灾害风险预警等级参照下述表1。
表1:
综上,本实施例从电网山火灾害实际发生状况和运行角度提出了一种基于Adaboost的输电线路山火灾害风险预警方法,本质上将输电线路山火灾害风险预警问题归结为有监督学习下的分类预测问题,通过Adaboost集成学习算法建立强分类器,综合计算处理电网线路结构数据参数、气象数据以及地质特征要素数据,获取输电线路山火灾害风险等级,最终实现高精度下的输电线路山火灾害预测预警。至少具有以下有益效果:
1、本实施例不仅考虑了影响输电线路山火灾害影响因素,尤其是外部因素,而且充分利用电网历史山火灾害信息,更加符合输电线路山火灾害的实际情况。
2、本实施例采用Adaboost集成学习算法,有利于从样本数据中学习到的规则中强化适用于新数据的能力,具有泛化能力强、易编码等特点,预测预警结果可靠性高。
3、本实施例的方法流程可操作性强,更具有实用性。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
机译: 基于ADABOOST的输电线路疾驰风险预警方法
机译: 基于聚类分析的输电线路山火险区划分方法
机译: 基于聚类分析的输电线路山火险区划分方法