一种基于神经网络的线路覆冰监测预警方法及系统与流程

    专利查询2025-04-28  27


    本发明涉及配电线路覆冰监测,具体为一种基于神经网络的线路覆冰监测预警方法及系统。


    背景技术:

    1、配电线路覆冰是电力系统安全稳定运行的主要威胁之一。覆冰会导致线路负荷增加、绝缘子闪络、杆塔倒塌等事故,造成大面积停电,带来严重的经济损失和社会影响。因此,对线路覆冰进行实时监测和精准预警,对于保障电力系统的安全可靠运行至关重要。近年来,随着传感器技术、通信技术和人工智能技术的快速发展,线路覆冰监测预警技术取得了显著进步。传统的覆冰监测主要依靠人工巡检,效率低下且存在安全隐患。目前,较为普遍的监测方法是利用光学、微波等传感器采集线路覆冰数据,并结合气象信息进行预警。然而,这些方法往往依赖单一数据源,对复杂覆冰环境的感知能力有限,预警精度和时效性难以满足实际需求。

    2、然而,现有技术在数据融合和风险识别方面仍存在诸多不足。例如,基于单一传感器数据的监测方法精度有限,难以全面反映线路的实际情况;传统的统计分析方法处理多源异构数据时,无法充分挖掘数据间的复杂关联,导致风险识别准确性不足。同时,现有的风险评估方法缺乏动态响应机制,无法根据实时监测数据调整预警策略,容易导致预警信息滞后或过于频繁,影响电网的正常运行。


    技术实现思路

    1、鉴于上述存在的问题,提出了本发明;

    2、因此,本发明解决的技术问题是:如何提供一种基于神经网络的线路覆冰监测预警方法及系统,以将隔绝现有的覆冰监测技术存在数据融合不充分、风险识别精度不足、响应策略缺乏灵活性等问题。

    3、为解决上述技术问题,本发明提供如下技术方案:一种基于神经网络的线路覆冰监测预警方法,包括:部署线路沿线的传感器阵列,实时采集线路周边的多源异构数据;根据所述多源异构数据构建基于神经网络的线路覆冰监测预警模型,并通过所述线路覆冰监测预警模型识别和预测线路覆冰风险;当所述线路覆冰监测预警模型预测线路存在覆冰风险时,结合线路的地理位置信息,对覆冰风险的程度和影响范围进行评估,生成区域化的覆冰预警信号;基于所述覆冰风险的程度制定分级响应策略;基于所述覆冰预警信号,制定不同风险区域的差异化响应策略;根据所述差异化响应策略和所述分级响应策略,完成对线路的覆冰监测预警。

    4、作为本发明所述的基于神经网络的线路覆冰监测预警方法的一种优选方案,其中:线路沿线的所述传感器阵列的部署策略包括沿线路全线多层次、节点集群化布设传感器节点,和根据线路走向的复杂程度和地形条件设置传感器节点密度;所述多源异构数据包括气象数据、线路监控数据、线路本体监测数据、历史覆冰事件数据、无人机遥感数据、人工视觉识别数据,以及卫星遥感覆冰识别数据。

    5、作为本发明所述的基于神经网络的线路覆冰监测预警方法的一种优选方案,其中:所述线路覆冰监测预警模型的构建过程包括如下步骤,构建分层svm分类器集成模型;其中,所述分层svm分类器集成模型包括下层svm分类器和上层svm分类器,所述下层svm分类器用于处理单一数据源,提取局部模式,所述上层svm分类器用于融合下层svm分类器输出,形成整体判据;根据所述多源异构数据设计所述下层svm分类器的特征映射核函数;所述上层svm分类器采用张量核函数融合下层svm分类器的输出;基于领域知识构建初始的贝叶斯网络结构,具体为定义观测变量节点、隐藏状态变量节点和目标变量节点,根据输入数据之间的因果关系及专家知识,确定所述观测变量节点、隐藏状态变量节点和目标变量节点之间的拓扑结构;

    6、引入先验概率分布,并学习网络参数,具体为设置先验概率分布、利用贝叶斯参数学习算法,结合先验概率分布和训练数据,进行网络参数的联合估计、进行参数学习的迭代;

    7、设计svm-bayes混合训练策略,具体为基于贝叶斯网络结构的输出,计算各svm分类器的期望输出分布,作为监督信号,对svm参数进行梯度下降优化;优化后的svm输出则被输入回贝叶斯网络,进行迭代训练。

    8、作为本发明所述的基于神经网络的线路覆冰监测预警方法的一种优选方案,其中:所述下层svm分类器包括气象svm分类器、线路监控svm分类器、线路本体监测svm分类器、历史覆冰事件svm分类器、无人机遥感svm分类器、人工视觉识别svm分类器,以及卫星遥感覆冰识别svm分类器;所述上层svm分类器采用张量核函数融合下层svm分类器的输出,包括如下步骤:

    9、设7个下层svm分类器的输出特征映射为:

    10、φ(x)=[φ1(x),φ2(x),...,φ7(x)]t;

    11、其中,φ(x)为下层svm分类器的特征映射输出,φ1(x)为第1个下层svm分类器的特征映射输出;x和y表示输入到上层svm分类器的样本数据。

    12、上层svm采用张量积核函数为:

    13、

    14、其中,为φ(x)、φ(y)两个向量的积;n是一个整数超参数。

    15、当n=1时,张量积核等价于线性核:

    16、

    17、当n>1时,张量积核有效捕获多源特征之间的高阶统计规律和相关性。

    18、作为本发明所述的基于神经网络的线路覆冰监测预警方法的一种优选方案,其中:在线监测时,对实时采集的多源异构数据进行分级分类判决,具体为下层svm先对各源数据进行分类,输出到贝叶斯网络;上层svm根据贝叶斯网络概率推理输出,对线路覆冰风险进行整体判定。

    19、作为本发明所述的基于神经网络的线路覆冰监测预警方法的一种优选方案,其中:所述线路覆冰风险包括低风险、中风险和高风险;当隐藏状态变量的期望值或均值<第一预设阈值,且当隐藏状态变量的方差<第三预设阈值时,判定线路覆冰为低风险;当第一预设阈值≤隐藏状态变量的期望值或均值<第二预设阈值,或当第三预设阈值≤隐藏状态变量的方差<第四预设阈值时,判定线路覆冰为中风险;当隐藏状态变量的方差≥第二预设阈值,或当隐藏状态变量的方差≥第四预设阈值时,判定为低风险;其中,第一预设阈值<第二预设阈值,第三预设阈值<第四预设阈值。

    20、作为本发明所述的基于神经网络的线路覆冰监测预警方法的一种优选方案,其中:当所述线路覆冰监测预警模型预测线路存在覆冰风险时,结合线路的地理位置信息,对覆冰风险的程度和影响范围进行评估,生成区域化的覆冰预警信号,包括如下步骤:引入隐藏马尔可夫随机场hmrf模型,将线路的地理位置信息与覆冰风险级别相结合,估计覆冰的区域影响范围和空间分布;通过高斯核函数的距离加权求解hmrf模型的状态转移概率;结合hmrf模型局部证据场,通过非参数置信度密度传播算法对区域覆冰分布进行无监督聚类,确定覆冰影响的空间范围和范围内的风险等级分布;对聚类结果进行矢量化,生成区域化的覆冰预警信号。

    21、为进一步解决上述技术问题,本发明提供如下技术方案:一种基于神经网络的配电线路覆冰监测预警系统,包括:数据采集模块,用于部署沿线路的传感器阵列,实时采集多源异构数据;模型构建模块,用于根据多源异构数据构建基于神经网络的线路覆冰监测预警模型;风险识别模块,用于通过线路覆冰监测预警模型对线路覆冰风险进行识别和预测,当预测存在覆冰风险时,对覆冰风险程度和影响范围进行评估;预警生成模块,用于基于风险识别模块的评估结果,生成区域化的覆冰预警信号。

    22、一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上所述基于神经网络的线路覆冰监测预警方法的步骤。

    23、一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上所述基于神经网络的线路覆冰监测预警方法的步骤。

    24、本发明的有益效果:本发明提出了一种基于神经网络的线路覆冰监测预警方法及系统。该方案部署沿线路的传感器阵列实时采集多源异构数据,根据这些数据构建基于神经网络的线路覆冰监测预警模型,利用该模型识别和预测线路覆冰风险。当预测存在覆冰风险时,结合线路地理位置信息,对覆冰风险程度和影响范围进行评估,生成区域化的覆冰预警信号。该方案融合了多源异构数据,提高了风险识别精度;采用分层svm分类器集成模型和贝叶斯网络相结合的混合训练策略,增强了模型的泛化能力;引入隐马尔可夫随机场模型评估覆冰影响范围,生成区域化预警信号,提高了预警的精准性和时效性。整体技术方案能够及时发现线路覆冰风险,精准评估风险程度和影响范围,为制定差异化响应策略提供依据,从而保障配电线路的安全稳定运行。


    技术特征:

    1.一种基于神经网络的线路覆冰监测预警方法,其特征在于,包括:

    2.如权利要求1所述的基于神经网络的线路覆冰监测预警方法,其特征在于:线路沿线的所述传感器阵列的部署策略包括沿线路全线多层次、节点集群化布设传感器节点,和根据线路走向的复杂程度和地形条件设置传感器节点密度;

    3.如权利要求2所述的基于神经网络的线路覆冰监测预警方法,其特征在于:所述线路覆冰监测预警模型的构建过程包括如下步骤,

    4.如权利要求3所述的基于神经网络的线路覆冰监测预警方法,其特征在于:所述下层svm分类器包括气象svm分类器、线路监控svm分类器、线路本体监测svm分类器、历史覆冰事件svm分类器、无人机遥感svm分类器、人工视觉识别svm分类器,以及卫星遥感覆冰识别svm分类器;

    5.如权利要求4所述的基于神经网络的线路覆冰监测预警方法,其特征在于:在线监测时,对实时采集的多源异构数据进行分级分类判决,具体为下层svm先对各源数据进行分类,输出到贝叶斯网络;上层svm根据贝叶斯网络概率推理输出,对线路覆冰风险进行整体判定。

    6.如权利要求5所述的基于神经网络的线路覆冰监测预警方法,其特征在于:所述线路覆冰风险包括低风险、中风险和高风险;

    7.如权利要求6所述的基于神经网络的线路覆冰监测预警方法,其特征在于:当所述线路覆冰监测预警模型预测线路存在覆冰风险时,结合线路的地理位置信息,对覆冰风险的程度和影响范围进行评估,生成区域化的覆冰预警信号,包括如下步骤:

    8.一种采用如权利要求1~7任一所述的基于神经网络的线路覆冰监测预警方法的系统,其特征在于,包括:

    9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于神经网络的线路覆冰监测预警方法的步骤。

    10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于神经网络的线路覆冰监测预警方法的步骤。


    技术总结
    本发明公开了一种基于神经网络的线路覆冰监测预警方法及系统,涉及配电线路覆冰监测领域,包括部署线路沿线的传感器阵列,实时采集线路周边的多源异构数据;根据所述多源异构数据构建基于神经网络的线路覆冰监测预警模型,并通过所述线路覆冰监测预警模型识别和预测线路覆冰风险;当所述线路覆冰监测预警模型预测线路存在覆冰风险时,结合线路的地理位置信息,对覆冰风险的程度和影响范围进行评估,生成区域化的覆冰预警信号。本发明融合多源异构数据,采用分层SVM分类器集成模型和贝叶斯网络混合训练,提高风险识别精度;引入隐马尔可夫随机场模型评估覆冰影响范围,生成区域化预警信号,提高预警的精准性和时效性,保障配电线路安全运行。

    技术研发人员:梁学诚,俸波,夏小飞,张炜,赵坚,朱夕连,王乐
    受保护的技术使用者:广西电网有限责任公司电力科学研究院
    技术研发日:
    技术公布日:2024/11/26
    转载请注明原文地址:https://tc.8miu.com/read-28014.html

    最新回复(0)