一种基于绝缘子金属附件腐蚀电荷量预测系统的数据库的制作方法

本发明涉及数据预测算法理论和处理系统技术领域，特别涉及一种基于绝缘子金属附件腐蚀电荷量预测系统的数据库。

背景技术：

在输电线路中，绝缘子串用于连接架空输电线路与铁塔，并在二者之间起绝缘作用。高压直流输电系统中，绝缘子在直流电压作用下产生泄漏电流，且泄漏电流方向恒定。在潮湿和污秽环境中，污秽物受潮产生的污液流过绝缘子金属附件表面，在泄漏电流作用下，会与金属附件产生反应，发生化学和电解腐蚀，严重时会危害到电网线路的安全稳定运行。

现有的绝缘子金属附件腐蚀电荷量在线监测系统可对高压线路的泄漏电流进行综合传感采集，为系统主机提供各种采集数据参考依据，能对绝缘子附件的腐蚀状态进行连续监测，得到准确的年均腐蚀电荷量及实时腐蚀速率，为后续待建的特高压直流输电工程上盘形悬式瓷和玻璃绝缘子产品的设计、生产和运行维护提供技术支撑。

尽管现有的绝缘子金属附件腐蚀电荷量在线监测系统可以有效地对金属腐蚀电荷量进行监测，但目前尚没有一种科学的手段实现绝缘子金属附件腐蚀电荷量的预测，使得技术人员无法对未来一段时间内的绝缘子金属附件腐蚀状态进行评估，并推测电网运行状态，也就无法对未来可能发生的电网运行事故进行预防。

技术实现要素：

本发明的发明目的在于提供一种基于绝缘子金属附件腐蚀电荷量预测系统的数据库，以解决现有技术无法预测绝缘子金属附件腐蚀电荷量的问题。

根据本发明的实施例，提供了一种基于绝缘子金属附件腐蚀电荷量预测系统的数据库，包括：绝缘子金属附件腐蚀电荷量预测系统，所述系统包括：

历史数据录入模块，用于接收并存储绝缘子金属附件腐蚀试验的历史试验数据，所述试验数据包括历史气候数据和历史腐蚀电荷量数据，所述历史气候数据包括相对湿度数据、温度数据和降雨信息数据；将所述历史试验数据发送至数据预处理模块；

所述数据预处理模块，用于根据所述历史试验数据对应的试验时间，分别对所述相对湿度数据、所述温度数据、所述降雨信息数据和所述腐蚀电荷量数据进行升序处理；分别对所述相对湿度数据、所述温度数据、所述降雨信息数据和所述腐蚀电荷量数据进行缺失值处理；将处理后的所述历史试验数据发送至特征量提取模块；

所述特征量提取模块，用于根据处理后的所述历史试验数据，提取出每小时相对湿度、每天最大温差、每日降雨信息、每小时腐蚀电荷量和年均腐蚀电荷量的统计数据；分别将所述每小时相对湿度、所述每天最大温差、所述每日降雨信息和所述每小时腐蚀电荷量的统计数据发送至神经网络学习训练模块；分别将所述每小时腐蚀电荷量和所述年均腐蚀电荷量的统计数据发送至时间序列分析模块；

所述神经网络学习训练模块，用于根据所述每小时相对湿度、所述每天最大温差、所述每日降雨信息和所述每小时腐蚀电荷量的统计数据进行神经网络学习训练，并得到神经网络预测模型；将所述神经网络预测模型发送至神经网络预测模块；

外部环境输入模块，用于接收未来气候数据，并对所述未来气候数据进行处理；将处理后的所述未来气候数据发送至神经网络预测模块；

所述神经网络预测模块，用于根据处理后的所述未来气候数据和所述神经网络预测模型对未来一段时间内的金属附件腐蚀电荷量进行预测，得到与所述未来气候数据相对应的第一短时腐蚀电荷量预测数据；

所述时间序列分析模块，用于对所述年均腐蚀电荷量数据进行时间序列分析，并对未来多年内的金属附件腐蚀电荷量进行预测，得到年均腐蚀电荷量预测数据；根据所述每小时腐蚀电荷量数据预测未来一段时间内的腐蚀电荷量数据，得到第二短时腐蚀电荷量预测数据。

进一步地，所述数据库还包括，数据后处理模块，用于存储所述第一短时腐蚀电荷量预测数据、所述第二短时腐蚀电荷量预测数据和年均腐蚀电荷量预测数据；判断所述第一短时腐蚀电荷量预测数据和所述第二短时腐蚀电荷量预测数据是否相同；如果所述第一短时腐蚀电荷量预测数据和所述第二短时腐蚀电荷量预测数据相同，则将所述第一短时腐蚀电荷量预测数据作为短时腐蚀电荷量预测数据；如果所述第一短时腐蚀电荷量预测数据和所述第二短时腐蚀电荷量预测数据不相同，则将所述第一短时腐蚀电荷量预测数据和对应的所述第二短时腐蚀电荷量预测数据的平均值，作为短时腐蚀电荷量预测数据。

进一步地，所述数据库还包括，数据查询模块，用于向所述数据后处理模块发送短时预测数据查询指令；

所述数据后处理模块，还用于接收所述短时预测数据查询指令；从所述短时腐蚀电荷量预测数据中，查找出与所述短时预测数据查询指令相匹配的目标短时预测数据；将所述目标短时预测数据发送至所述数据查询模块；

所述数据查询模块，还用于接收所述目标短时预测数据；对所述目标短时预测数据进行分析，并评估绝缘子的运行状态。

更进一步地，所述数据查询模块，还用于向所述数据后处理模块发送年均预测数据查询指令；

所述数据后处理模块，还用于接收所述年均预测数据查询指令；从所述年均腐蚀电荷量预测数据中，查找出与所述年均预测数据查询指令相匹配的目标年均预测数据；将所述目标年均预测数据发送至所述数据查询模块；

所述数据查询模块，还用于接收所述目标年均预测数据，并对所述目标年均预测数据进行分析。

更进一步地，所述数据查询模块，还用于向所述历史数据录入模块发送历史数据查询指令；

所述历史数据录入模块，还用于接收所述历史数据查询指令；从所述历史腐蚀电荷量数据中，查找出与所述历史数据查询指令相匹配的目标历史腐蚀电荷量数据；将所述目标历史腐蚀电荷量数据发送至所述数据查询模块；

所述数据查询模块，还用于接收所述目标历史腐蚀电荷量数据，并对所述目标历史腐蚀电荷量数据进行分析。

进一步地，所述数据库还包括，数据修改模块，用于对所述历史数据录入模块和所述数据后处理模块中的存储数据进行修改。

进一步地，所述数据库还包括，数据输出模块，用于导出所述目标短时预测数据、所述目标年均预测数据和所述目标历史腐蚀电荷量数据。

进一步地，所述数据库还包括，登录模块，用于通过认证方式登录所述数据库，从而完成对绝缘子金属附件腐蚀电荷量数据的预测，所述认证方式包括人脸识别认证、指纹识别认证和密码认证。

由以上技术方案可知，本发明提供的一种基于绝缘子金属附件腐蚀电荷量预测系统的数据库，包括绝缘子金属附件腐蚀电荷量预测系统，所述系统包括：历史数据录入模块、数据预处理模块、特征量提取模块、神经网络学习训练模块、外部环境输入模块、神经网络预测模块和时间序列分析模块。历史试验数据经过预处理和特征量提取后，进行神经网络学习训练，得到神经网络预测模型，再结合未来一段时间的气候数据，得到第一短时腐蚀电荷量预测数据；对经过预处理和特征量提取后的历史试验数据，进行时间序列分析，得到未来多年的年均腐蚀电荷量预测数据和第二短时腐蚀电荷量预测数据。由年均腐蚀电荷量预测数据，对绝缘子金属附件保护装置的设计进行指导；通过对比第一短时腐蚀电荷量预测数据和第二短时腐蚀电荷量预测数据，可提高腐蚀电荷量预测的准确性，并可对绝缘子的运行状态进行评估，进而保障电网的稳定运行。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例示出的绝缘子金属附件腐蚀电荷量预测系统的结构示意图；

图2为本发明实施例示出的一种基于绝缘子金属附件腐蚀电荷量预测系统的数据库的结构示意图。

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、完整的描述，显然，所描述的实施例仅仅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，本领域普通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。

本发明实施例提供一种基于绝缘子金属附件腐蚀电荷量预测系统的数据库，包括绝缘子金属附件腐蚀电荷量预测系统10，如图1所示，所述系统包括：历史数据录入模块101、数据预处理模块102、特征量提取模块103、神经网络学习训练模块104、外部环境输入模块105、神经网络预测模块106和时间序列分析模块107。

所述历史数据录入模块101，用于接收并存储绝缘子金属附件腐蚀试验的历史试验数据，所述试验数据包括历史气候数据和历史腐蚀电荷量数据，所述历史气候数据包括相对湿度数据、温度数据和降雨信息数据；将所述历史试验数据发送至数据预处理模块102。其中，所述降雨信息数据为记录试验过程中，是否出现降雨的信息数据。

所述历史数据录入模块101可以与绝缘子金属附件腐蚀电荷量在线监测系统连接，使绝缘子金属附件腐蚀电荷量在线监测系统的试验数据，可以不断地录入所述历史数据录入模块101中，有利于扩展所述数据库的数据量。

所述数据预处理模块102，用于根据所述历史试验数据对应的试验时间，分别对所述相对湿度数据、所述温度数据、所述降雨信息数据和所述腐蚀电荷量数据进行升序处理，即按时间升序进行数据处理。

在数据的采集过程中，很可能因为在线监测系统的故障等原因造成一些数据缺失，而在数据分析处理过程中，系统丢失了大量的有用信息，会使系统存在不确定性，且包含空值的数据可能导致输出数据不可靠，因此有必要对缺失值进行处理。处理方法一般分为插值处理和删除处理两种，因为在统计金属附件腐蚀电荷量的过程中需要将记录的腐蚀电荷量进行累加，因此只考虑插值处理的情况。所述数据预处理模块102，还用于分别对升序后的所述相对湿度数据、所述温度数据、所述降雨信息数据和所述腐蚀电荷量数据进行插值处理，并将处理后的所述历史试验数据发送至特征量提取模块103。

考虑到金属腐蚀电荷量数据、相对湿度数据、温度数据和降雨信息数据一般具有连贯性，不会在以分钟为单位的短时间内出现很大的突变，因此在缺失值的处理上采用就近插值的方法，即根据缺失值附近的其他记录信息对数据进行插值补齐。

所述特征量提取模块103，用于根据处理后的所述历史试验数据，提取出每小时相对湿度、每天最大温差、每日降雨信息、每小时腐蚀电荷量和年均腐蚀电荷量的统计数据；分别将所述每小时相对湿度、所述每天最大温差、所述每日降雨信息和所述每小时腐蚀电荷量的统计数据发送至神经网络学习训练模块104；分别将所述每小时腐蚀电荷量和所述年均腐蚀电荷量的统计数据发送至时间序列分析模块107。

所述神经网络学习训练模块104，用于根据所述每小时相对湿度、所述每天最大温差、所述每日降雨信息和所述每小时腐蚀电荷量的统计数据进行神经网络学习训练，并得到神经网络预测模型；将所述神经网络预测模型发送至神经网络预测模块106。

外部环境输入模块105，用于接收未来气候数据；根据所述未来气候数据对应的试验时间，分别对所述相对湿度数据、所述温度数据和所述降雨信息数据进行升序处理；分别对升序后的所述相对湿度数据、所述温度数据和所述降雨信息数据进行缺失值处理；根据处理后的所述未来气候数据，提取出未来一段时间内的每小时相对湿度、每天最大温差和每日降雨信息的统计数据；将未来一段时间内的所述每小时相对湿度、所述每天最大温差和所述每日降雨信息的统计数据发送至神经网络预测模块106。

所述神经网络预测模块106，用于根据未来一段时间内的所述每小时相对湿度、所述每天最大温差和所述每日降雨信息的统计数据，以及所述神经网络预测模型，对未来一段时间内的金属附件腐蚀电荷量进行预测，得到与所述未来气候数据相对应的第一短时腐蚀电荷量预测数据。

人类大脑在信息处理过程中主要依靠神经元之间的相互作用，人工神经网络对这一过程进行模拟，进而来分析处理一些复杂问题，神经网络在处理非线性问题上具有很大的优势。

神经网络由输入层、隐藏层和输出层构成，每层由多个神经元构成。神经元的输出可以由多个输入来决定。神经网络具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，便于计算机实现。简化的神经网络数学模型，其输入与输出之间的对应关系如下：

y_i＝f(X_i)

式中：k_ji表示从细胞j到细胞i的连接权重；x_j,j＝1,2,…,n为神经元的输入信号；θ_i为神经元的阈值；n为输入信号的数目；X_i为神经元的输入；y_i为神经元的输出。

利用神经网络算法进行训练学习时，就是来改变神经元之间的连接权重，训练算法通过不断调整这些连接权重，进而达到最优预测。

利用神经网络算法进行预测时，其具体工作过程如下：

(1)对数据进行归一化处理：这一步的目的是为了加快数据在训练过程中的收敛速度。需要把数据映射到(0,1)区间内。转换公式如下：

式中：x_i为原始数据，x_i′为原始数据进行归一化处理后的数值，x_max、x_min分别对象原始数据的最大值以及最小值。利用上述方法将每小时相对湿度，每日最大温差和每小时累积金属腐蚀电荷量进行归一化处理。

(2)对数据进行分类，将已有的数据分为训练数据和测试数据。

(3)建立神经网络。这里主要用到了多层感知器模型，首先根据变量来确定输入层的神经元数量，根据因变量来设置输出层的神经元数量，因为这里因变量为金属腐蚀电荷量，所以设置输出层神经元为1个。根据输出层以及输入层的神经元数量确定出隐藏层神经元数量。其中隐藏层的激活函数选取为双曲正切函数。

(4)对神经网络进行训练测试。依据训练数据以及神经元数量对神经网络的训练目标、训练次数和学习速度进行设置，并利用测试数据对训练后的神经网络模型进行测试，得到神经网络多层感知器模型。

(5)利用神经网络多层感知器模型对绝缘子金属附件腐蚀电荷量进行预测。

相对湿度、降雨和温差是影响绝缘子金属附件腐蚀电荷量的主要因素。因此可以将每小时相对湿度数据、每天最大温差数据和每日降雨信息数据作为变量，将金属附件腐蚀电荷量作为因变量来进行神经网络的建模，并进行训练测试，得到一个比较准确的基于神经网络算法的绝缘子金属附件腐蚀电荷量的预测模型，即为上述神经网络多层感知器模型。然后可以利用未来一段时间内的气候情况，获取每小时相对湿度数据、每天最大温差数据和每日降雨信息数据，作为神经网络多层感知器模型的输入值，则神经网络多层感知器模型的输出值即为第一短时腐蚀电荷量预测数据。

所述时间序列分析模块107，用于对所述年均腐蚀电荷量数据进行时间序列分析，并对未来多年内的金属附件腐蚀电荷量进行预测，得到年均腐蚀电荷量预测数据；根据所述每小时腐蚀电荷量数据预测未来一段时间内的腐蚀电荷量数据，得到第二短时腐蚀电荷量预测数据。

时间序列是按时间顺序的一组数字序列。时间序列分析就是利用这组数列，应用数理统计方法加以处理，以预测未来事物的发展。时间序列分析是定量预测方法之一，它的基本原理：一是承认事物发展的延续性。应用过去数据，就能推测事物的发展趋势。二是考虑到事物发展的随机性。任何事物发展都可能受偶然因素影响，因此要对历史数据进行处理以消除其影响。

时间序列分析法广泛应用于探究特征量随时间发展变化的规律上。时间序列分析法的预测效果较好，且数据处理过程较为简单，时间序列的综合分析步骤主要如下：

(1)找到影响时间序列的变动因素，确定其变动类型。

(2)测定季节变化对时间序列的影响程度。

(3)利用得到的季节变化影响因子对时间序列进行修订，消除其影响。

(4)利用消除了季节影响之后的时间序列对变化趋势进行拟合。

(5)计算时间序列的周期波动幅度和周期长度。

(6)对时间序列进行预测。

如图2所示，所述基于绝缘子金属附件腐蚀电荷量预测系统的数据库，还包括：登录模块20、数据后处理模块21、数据查询模块22、数据输出模块23和数据修改模块24。

所述数据后处理模块21，用于存储所述第一短时腐蚀电荷量预测数据、所述第二短时腐蚀电荷量预测数据和年均腐蚀电荷量预测数据；判断所述第一短时腐蚀电荷量预测数据和所述第二短时腐蚀电荷量预测数据是否相同；如果所述第一短时腐蚀电荷量预测数据和所述第二短时腐蚀电荷量预测数据相同，则将所述第一短时腐蚀电荷量预测数据作为短时腐蚀电荷量预测数据；如果所述第一短时腐蚀电荷量预测数据和所述第二短时腐蚀电荷量预测数据不相同，则将所述第一短时腐蚀电荷量预测数据和对应的所述第二短时腐蚀电荷量预测数据的平均值，作为短时腐蚀电荷量预测数据。

数据查询模块22，用于向所述数据后处理模块21发送短时预测数据查询指令；

所述数据后处理模块21，还用于接收所述短时预测数据查询指令；从所述短时腐蚀电荷量预测数据中，查找出与所述短时预测数据查询指令相匹配的目标短时预测数据；将所述目标短时预测数据发送至所述数据查询模块22；

所述数据查询模块22，还用于接收所述目标短时预测数据，并对所述目标短时预测数据进行分析，通过所述目标短时预测数据，可以得出对应的未来时间段内绝缘子金属附件保护装置的损失量，从而对绝缘子金属附件保护装置的状态进行评估，以保证绝缘子的安全运行，从而实现电网的安全运行。

所述数据查询模块22，还用于向所述数据后处理模块21发送年均预测数据查询指令；

所述数据后处理模块21，还用于接收所述年均预测数据查询指令；从所述年均腐蚀电荷量预测数据中，查找出与所述年均预测数据查询指令相匹配的目标年均预测数据；将所述目标年均预测数据发送至所述数据查询模块22；

所述数据查询模块22，还用于接收所述目标年均预测数据，并对所述目标年均预测数据进行分析，从而对绝缘子金属附件保护装置的设计进行指导。

所述数据查询模块22，还用于向所述历史数据录入模块101发送历史数据查询指令；

所述历史数据录入模块101，还用于接收所述历史数据查询指令；从所述历史腐蚀电荷量数据中，查找出与所述历史数据查询指令相匹配的目标历史腐蚀电荷量数据；将所述目标历史腐蚀电荷量数据发送至所述数据查询模块22；

所述数据查询模块22，还用于接收所述目标历史腐蚀电荷量数据，并对所述目标历史腐蚀电荷量数据进行分析,使用户可以根据实际需要，通过所述数据库随时查看绝缘子金属附件腐蚀电荷量在线监测系统的历史试验数据。

所述数据输出模块23，用于导出所述目标短时预测数据、所述目标年均预测数据和所述目标历史腐蚀电荷量数据，用户可以将所需数据输出至自定义文件夹当中，还可以打印预测数据报告和数据分析报告等。

所述数据修改模块24，用于对所述历史数据录入模块101和所述数据后处理模块21中的存储数据进行修改。当对历史数据录入模块101中的存储数据进行修改，修改后的数据仍存储在历史数据录入模块101中；当对数据后处理模块21中的存储数据进行修改，修改后的数据仍存储在数据后处理模块21中。

所述登录模块20，用于通过认证方式登录所述数据库，从而完成对绝缘子金属附件腐蚀电荷量数据的预测、查询、修改和输出。其中，所述认证方式包括人脸识别认证、指纹识别认证和密码认证，可以保证所述数据库的安全性。

由以上技术方案可知，本发明提供的一种基于绝缘子金属附件腐蚀电荷量预测系统的数据库，包括绝缘子金属附件腐蚀电荷量预测系统，所述系统包括：历史数据录入模块、数据预处理模块、特征量提取模块、神经网络学习训练模块、外部环境输入模块、神经网络预测模块和时间序列分析模块。历史试验数据经过预处理和特征量提取后，进行神经网络学习训练，得到神经网络预测模型，再结合未来一段时间的气候数据，得到第一短时腐蚀电荷量预测数据；对经过预处理和特征量提取后的历史试验数据，进行时间序列分析，得到未来多年的年均腐蚀电荷量预测数据和第二短时腐蚀电荷量预测数据。由年均腐蚀电荷量预测数据，对绝缘子金属附件保护装置的设计进行指导；通过对比第一短时腐蚀电荷量预测数据和第二短时腐蚀电荷量预测数据，可提高腐蚀电荷量预测的准确性，并可对绝缘子的运行状态进行评估，进而保障电网的稳定运行。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。