一种基于划分微风区的改进型神经网络架空线路风速预测方法与流程

本发明涉及数据判别以及rbf(径向基函数)神经网络预测的技术领域，具体涉及一种基于划分微风区的改进型神经网络架空线路风速预测方法。

背景技术：

架空输电线路是电网输配电的重要组成部分，近年来，我国经济高速发展、国民生活质量日益提高的背景下，社会对电量的需求快速增加、对供电可靠性要求也越高。在线路规划设计初期是根据用户一定时期的需求制定的，因此电网规划与发展严重滞后于用户对电能的要求，在发达地区电力短缺往往成为了制约经济发展的瓶颈。2005年，国家电网公司明确提出要积极挖掘现有电网的输送能力。在提高现有输电能力问题上，早些年欧美等国就提出了智能电网的概念，从经济角度出发，我国电网公司在《国家电网智能化规划总报告(修订稿)》中明确要求提高现有线路的输送能力与线路的运行效率。

如何充分利用现有输电设备能力，提升电网设备利用效率即是解决现有电网输电能力瓶颈的有效措施，更是在智能电网建设的愿景之一。实现现有输电线路增容的一种方法是动态增容技术。但是动态增容技术均需要对环境条件、导线状态进行监测，虽然现有传感技术发展迅速，仍很难准确监测，尤其是现实环境的风速、风向波动大，特别是在较低风速条件测量不准，而导线散热受对流散热影响最明显，是导线运行局部过热的危险状况之一。所以准确预测未来一段时间的气象信息对于正确评估架空输电线路载流能力以及在一定程上提高载流能力具有重大意义。

风速是影响架空输电线路载流能力的最重要气象因素之一，在无风或微风的夏天，一方面用电负荷大大增加，使得输电线路电流大大增加；另一方面，气象条件却较为恶劣，使得架空输电线路的载流能力降低，这给电网的输配电带来严峻的挑战，所以需要一种可以较为准确预测风速的方法。但由于风速有比较大的波动性，一般的神经网络方法会出现误差较大的情况。

技术实现要素：

本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于划分微风区的改进型神经网络架空线路风速预测方法，该方法首先提出微风区(风速<0.5m/s，持续时间超过45min)的概念，通过数据判别的方法，判定是否进入微风区；若没进入微风区，直接带入rbf(径向基函数)神经网络方法进行预测；若进入微分区，使用微风区的数据，由于微风区的风速波动较小，可使神经网络具有较好的拟合性，再进行运用rbf(径向基函数)神经网络方法的预测。当在外界气象条件恶劣的情况下，这样降低了对微风的预测误差，最终提高预测结果的准确性，使得预测的安全性得以提高神经网络。

本发明的目的可以通过采取如下技术方案达到：

一种基于划分微风区的改进型神经网络架空线路风速预测方法，所述方法包括下列步骤：

s1、对原数据进行预处理；

s2、根据数学判别方法，判别是否进入微风区，若进入微风区，进入下一步骤s3，若没进入，转至步骤s4；

s3、提取出微风区的风速数据与对应的时间数据，并对提取得数据进行筛选、清理以及规范化处理；

s4、将数据代入rbf神经网络进行预测；

s5、将得出风速预测数据作为架空线路的风速预测值。

进一步地，所述步骤s1的过程如下：

对原数据依次进行筛选、清理以及规范化，其中，规范化公式如公式(1)：

v’为规范化后的风速，v为原数据风速，vmin为原数据的最小值，vmax为原数据的最大值。

进一步地，所述数学判别方法具体如下：

定义微风区的条件为：风速v<0.5m/s，持续时间t≥45min，通过判断是否满足微风区的条件判别是否进入微风区。

进一步地，将提取出来微风区的数据或者非微风区的数据带入rbf神经网络中，通过输出层f(x)得到风速预测数据，其中，f(x)的表达式如公式：

其中，x1,x2,…,xn为输入层，风速数据代入到输入层，w0,w1,…,wn为权重，是径向基函数，其表达式为：

本发明相对于现有技术具有如下的优点及效果：

本发明提出的一种基于划分微风区的改进型神经网络架空线路风速预测方法，通过划分微风区，包括数据前处理，外界气象条件恶劣的情况下，这样降低了对微风的预测误差，同时在预测风速时，建立的微风区域可以使预测结果快速逼近。在具体实现上，通过matlab编程调用工具箱，实现起来简洁方便。本发明可有效预测在低风速条件下，架空输电线路的风速，并作为架空输电线动态载流量的大数据预测的方法之一。

附图说明

图1是本发明公开的一种基于划分微风区的改进型神经网络架空线路风速预测方法的流程步骤图；

图2是本发明中用到的rbf神经网络结构图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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、完整地描述，显然，所描述的实施例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作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。

实施例一

在研究区域内架空线路载流量的变化时，载流量受气象因素影响较大，如温度、风速、湿度等，而其中风速是影响架空输电线路载流能力的最重要气象因素之一，准确预测风速对于正确评估架空输电线路载流能力以及在一定程上提高载流能力具有重大意义。在无风或微风的夏天，一方面用电负荷大大增加，使得输电线路电流大大增加；另一方面，气象条件却较为恶劣，使得架空输电线路的载流能力降低，这给电网的输配电带来严峻的挑战，所以需要一种可以较为准确预测风速的方法。但由于风速有比较大的波动性，一般的神经网络方法会出现误差较大的情况。而本发明所提出的方法，首先提出微风区(风速<0.5m/s，持续时间超过45min)的概念，通过数据判别的方法，判定是否进入微风区。若没进入微风区，直接带入rbf(径向基函数)神经网络方法进行预测；若进入微分区，使用微风区的数据，由于微风区的风速波动较小，可使神经网络具有较好的拟合性，再进行运用rbf(径向基函数)神经网络方法的预测。最终提高预测结果的准确性。

如附图1所示，本实施例公开的一种基于划分微风区的改进型神经网络架空线路风速预测方法具体包括以下步骤：

s1、对原数据进行预处理；

具体实施方式中，对数据进行预处理，主要涉及对数据的筛选、清理以及规范化，其中，规范化公式如公式(1)

v’为规范化后的风速，v为原数据风速，vmin为原数据的最小值，vmax为原数据的最大值。

s2、根据数学判别方法，判别是否进入微风区，若进入微风区，进入下一步骤s3，若没进入，转至步骤s4；

具体实施方式中，所述数学判别方法具体如下：

定义微风区的条件为：风速v<0.5m/s，持续时间t≥45min，通过判断是否满足微风区的条件判别是否进入微风区。

该步骤主要涉及判别风速是否进入到微风区，这里定义风速v<0.5m/s，持续时间t≥45min的一段区域为微风区。若判定为微风区，进行步骤s3，若判定为不是微分区，则进行步骤s4。

s3、提取出微风区的风速数据与对应的时间数据，并对提取得数据进行筛选、清理以及规范化处理；

提取出微风区数据，将这一段风速数据与对应的时间数据提取出来，并对数据进行筛选、清理以及规范化。其中，规范化公式如上述公式(1)。

s4、将数据代入rbf神经网络进行预测；

将提取出来微风区的数据或者非微风区的数据带入matlab中的rbf神经网络(径向基函数)中。该神经网络结构图如图2所示。

图中x1,x2,…,xn为输入层，带将风速数据代入到输入层，w0,w1,…,wn为权重，

在隐藏层，是径向基函数，其表达式为公式(2)

f(x)为输出层，其表达式如公式(3)

s5、将得出风速预测数据作为架空线路的风速预测值。

该步骤中将得到的风速预测数据导出，最终得到架空线路的风速预测值。

综上所述，该方法首先定义微风区概念，将风速<0.5m/s，持续时间超过45min定义为微风区。由于微风区的风速波动较小，可使神经网络具有较好的拟合性，再运用rbf神经网络方法的预测。当外界气象条件恶劣的情况下，降低了对微风的预测误差，最终提高预测结果的准确性，使得预测的安全性得以提高神经网络。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。