基于覆冰特征变量分箱评分卡的输电线路覆冰预测方法

摘要

本发明涉及基于覆冰特征变量分箱评分卡的输电线路覆冰预测方法，包括：收集输电线路覆冰情况相关的特征数据，形成样本数据集；对线路覆冰特征数据的变量进行分箱；计算每箱变量的证据权重值，根据计算的证据权重值对变量的分箱进行调整；计算变量的信息值，调整变量的分箱结构，使变量的信息值最大化；计算变量之间的相关性，对共线性的变量进行筛选；建立线路覆冰预测的评分卡，设定评分卡各项的分值刻度；依据目标线路的实时特征数据，根据评分卡得分情况得到线路实时覆冰预测判断的结果。本发明提供了输电线路覆冰厚度预测的定量计算方法，提高了输电线路中短期覆冰预测预警的准确性，可对输电线路分级预警，保障电网安全稳定运行。

说明书

技术领域

本发明属于输电线路监测领域，具体涉及一种基于覆冰特征变量分箱评分卡的输电线路覆冰预测方法。

背景技术

输电线路覆冰厚度测量，目前主要使用人工观冰站，在观冰点位置建设模拟导线，测量模拟导线覆冰厚度，并推算实际导线的覆冰厚度。该方法的缺点是建设和维护成本高；站点场地要求地域开阔、无遮挡；可监测范围有限。

发明内容

本发明的技术问题是目前输电线路覆冰厚度测量依赖人工，缺乏实时、准确、有效的线路覆冰厚度预测方法。

本发明的目的是针对上述问题，提供一种基于覆冰特征变量分箱评分卡的输电线路覆冰预测方法，对覆冰特征数据的变量进行分箱，并建立评分卡，便于针对输电线路的实时特征进行分项打分，得到实时的输电线路覆冰预测结果，指导覆冰灾害防治，保障电网安全、稳定运行。

本发明的技术方案是基于覆冰特征变量分箱评分卡的输电线路覆冰预测方法，包括以下步骤：

步骤1：收集输电线路覆冰情况相关的特征数据，形成样本数据集；

步骤1.1：对样本数据的缺失值和异常值进行处理；

步骤1.2：将样本数据的字符型变量转换为数值型变量；

步骤1.3：将有覆冰的样本作为负样本，无覆冰的样本作为正样本；

步骤2：对线路覆冰特征数据的变量进行分箱；

步骤3：计算每箱变量的证据权重值WOE，根据计算的证据权重值对变量的分箱进行调整以满足单调原则；

步骤4：计算变量的信息值IV，根据信息值IV调整变量的分箱结构，使变量的信息值最大化；

步骤5：计算变量之间的相关性，对共线性的变量进行筛选；

步骤6：建立线路覆冰预测的评分卡，计算线路有覆冰的概率与线路无覆冰的概率的比值，据此设定评分卡的分值刻度；

步骤7：输入目标线路的实时特征数据，对照评分卡计算各项分值，根据评分卡得分情况判断线路实时覆冰预测判断的结果。

进一步地，步骤3中，所述计算每箱变量的证据权重值，证据权重值WOE的计算式如下：

式中WOE

步骤4中，所述计算变量的信息值，信息值IV的计算式如下：

式中N表示变量分箱的数量。

步骤5中，所述计算变量之间的相关性，计算皮尔逊相关系数，计算式如下：

式中r表示变量X、Y的皮尔逊相关系数，X

步骤6中，评分卡的分值刻度的计算式如下：

Score＝A-B*log(Odds) (4)

式中Score表示评分卡的分值，A、B均为常数，Odds表示线路有覆冰和线路无覆冰的比率，p表示线路覆冰厚度大于0的概率。

根据逻辑回归方程

log(Odds)＝β

式中x

依据特征变量的分箱结果，

式中x

根据式(4)(5)(6)，得到评分卡分值的展开式

相比现有技术，本发明的有益效果包括：

1)本发明提供了输电线路覆冰厚度预测的定量计算方法，提高了输电线路中短期覆冰预测预警的准确性，可对输电线路分级预警并指导覆冰灾害防治，保障电网安全稳定运行；

2)本发明方法将评分卡与分箱结合，每箱变量分配单独的权重分值，相比现有的用于覆冰预测的逻辑回归模型，拟合效果更好，提升了覆冰预测模型的表述能力；

3)本发明采用评分卡的方式，将电线路覆冰情况相关的特征变量都变换到统一的尺度上，排除了量纲的影响；

4)本发明便于在手持终端录入实时线路覆冰情况相关的特征数据，即时得到线路覆冰预测判断的结果，方便实用。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1为本发明实施例的输电线路覆冰预测方法的流程示意图。

具体实施方式

如图1所示，基于覆冰特征变量分箱评分卡的输电线路覆冰预测方法，包括以下步骤：步骤1：收集输电线路覆冰情况相关的各项变量数据，包括气象类数据、地理类数据、线路本体类数据和目标变量数据即导线覆冰厚度，形成样本数据集；

步骤1.1：对样本数据的缺失值和异常值进行处理；

步骤1.2：将样本数据的字符型变量转换为数值型变量；

步骤1.3：将覆冰厚度大于0的样本作为负样本，无覆冰的样本作为正样本。

步骤2：对线路覆冰特征数据的变量进行分箱，以分箱之间的负样本比例的差值尽可能大作为分箱的基本原则。连续型变量的分箱数量为6-10；对类别型变量，将每个类别作为一个分箱。每个分箱的样本量不小于整体样本的5％，不大于整体样本的90％。

步骤3：计算每箱变量的证据权重值WOE，根据计算的证据权重值对变量的分箱进行调整以满足单调原则；

证据权重值WOE的计算式如下：

式中WOE

计算得到的单个变量的分箱的证据权重值WOE须满足单调原则，否则进行水平合并或重新分片。

步骤4：计算变量的信息值IV，根据信息值IV调整变量的分箱结构，使变量的信息值IV达到最大值，此时分箱效果最好；将信息值IV小于0.02的变量删除；

信息值IV的计算式如下：

式中N表示变量分箱的数量；

不同信息值的变量的预测能力如表1所示。

表1不同信息值的预测能力对比表

步骤5：采用皮尔逊相关系数计算变量之间的相关性，对共线性的变量进行筛选；

皮尔逊相关系数的计算式如下：

式中r表示变量X、Y的皮尔逊相关系数，X

计算变量的方差膨胀因子VIF，方差膨胀因子VIF大于等于10时，存在多重共线性，因此保留方差膨胀因子VIF小于10的变量，将其余变量删除；

方差膨胀因子VIF的计算式如下

式中VIF

评分卡分值刻度的计算式如下：

Score＝A-B*log(Odds) (4)

式中Score表示评分卡的分值，A、B均为常数，Odds表示线路有覆冰和线路无覆冰的比率，p表示线路覆冰厚度大于0的概率。

根据逻辑回归方程

log(Odds)＝β

式中x

式中x

根据式(4)(5)(6)，得到评分卡分值的展开式

相对应的评分卡如表2所示。

通过设定比率Odds的2个取值对应的分值Score，即可根据式(4)求解得到常数A、B。实施例中，比率Odds为1/20时分值Score为100，比率Odds为1/10时分值Score为80，求解得到A＝80，B＝66.44。

表2评分卡得分表

步骤7：输入目标线路的实时特征数据，对照评分卡计算各项分值，根据评分卡得分情况利用决策树得到总得分结果，根据得分数值将覆冰预测结果分为3个等级：线路无覆冰；线路轻微覆冰；线路严重覆冰。线路覆冰预测结果为线路轻微覆冰时，进行黄色预警，通知线路维护人员密切关注线路覆冰状况；线路覆冰预测结果为线路严重覆冰时，进行红色预警，通知线路维护人员组织线路除冰或者准备抗冰抢险工作。实施例中，评分卡的总得分低于30.3时，判断为线路严重覆冰；评分卡的总得分低于80且不低于30.3时，判断为线路轻微覆冰；评分卡的总得分不低于80时，判断为线路无覆冰。

实施例中，气象类数据包括温度、空气相对湿度、降雨量、风速、风向；地理类数据包括海拔高度、地形、纬度、山脉走向、山脉坡向、附近水源面积、附近水源距离以及线路地点是否为分水岭、线路地点是否为风口；线路本体类数据包括线路走向、导线悬挂高度、导线直径。将风向、山脉走向、线路走向中包含的东、南、西、北、东北、东南、西北、西南8个方位分别转化为0-7的整数值；将地形中的山区、丘陵、平原3种类别分别转化为0-2的整数值；将二值判断的是、否分别转化为1、0。

2019年2月中旬，湖北五峰局部地区突遇恶劣天气，根据气象观测站的数据，该地区气温为-2～3℃左右，雨夹雪，西北风3-4级，相对湿度90％，风速为5-6m/s，且雨夹雪和大雾天气可能持续长达一周时间。当地某条220kV线路可能存在严重的覆冰风险，对该条线路全线进行了覆冰预测，运用本发明提出的评分卡进行线路覆冰预测，发现该线路位于海拔410米左右风口位置的一档线路段为红色预警等级，得分为27.14分，低于本发明方法设定的红色预警阈值30.3分，且置信度为86.2％。迅速组织人手去现场核查，发现该档导线覆冰的标准冰厚为13mm，略低于该线路的设计覆冰厚度15mm，于是立即采取直流融冰法，对该档线路进行融冰除冰工作，成功保障了该线路冬季的安全稳定运行。

实施结果表明，本发明无需建设大量的人工观冰站，节省了对冬季覆冰监测工作的运行成本；人工观冰站对于建设场地和环境有一定的要求，虽准确性较高，但观测范围有限，也无法概括一定区域内的整体覆冰情况；人工观冰站只能通过对模拟导线的现场测量和复杂换算得到实时的覆冰状况数据，通过本发明方法能对中短期的线路覆冰状况进行预测，有助于提前指导开展覆冰防治工作，能及时对覆冰隐患进行有效预警，极大地确保了线路冬季的安全稳定运行。