一种基于支持向量回归的全介质自承式光缆导线弧垂计算优化方法与流程

1.本发明涉及光缆架设领域，尤其涉及一种基于支持向量回归的全介质自承式(adss)光缆导线弧垂计算优化方法。


背景技术：

2.导线弧垂指的是导线悬挂曲线上任意点到两侧悬挂点连线的垂直距离。由物理力学知识可知，弧垂大小与导线所受应力成反比，与档距平方成反比。导线应力与导线自重及外界载荷相关。估算导线弧垂可确定线路交叉跨越安全距离，进而为杆塔高度估计提供一定先验知识。
3.当前计算导线弧垂主要有抛物线法和悬链线法两种算法，抛物线法和悬链线法从力学分析角度对导线弧垂进行受力分析，可提供具备一定精度的弧垂计算结果，但精度有一定限制。
4.实际工程现场中，弧垂除了应力及档距等因素外，与导线垂直环境风速、导线所处环境温度、日照强度、导线表面空气层运动粘度、导线表面空气层传热系数、导线表面平均温升、导线辐射散热功率、导线对流散热功率、导线日照吸热功率等众多因素息息相关。
5.如何提高弧垂计算结果的精度是急于解决的技术问题。


技术实现要素：

6.本发明针对背景技术中存在的问题，提出了一种基于支持向量回归的全介质自承式光缆导线弧垂计算优化方法，它包括以下步骤：
7.s1、数据采集，获得原始采集数据x
all
＝[y
1 ... yn]，yi表示第i组采集到的数据；
[0008]
s2、数据清洗，进行数据异常值检测及筛选；
[0009]
s3、数据预处理，获得样本数据集x
′
all
＝[y
′
1 ... y
′n]
t
，yi'表示预处理后的第i组数据；
[0010]
s4、模型设计，带松弛变量的支持向量回归机模型为：
[0011][0012]
s.t.
[0013]
f(yi′
)
‑△
zi≤ε+ξi[0014][0015][0016]
f(x)表示为其中，w和b为模型参数，为松弛变量，c为正则化常数，为拉格朗日乘子参数，κ(x,yi′
)＝φ(x)φ(yi′
)为核函数，φ(
·
)表示核函数映射函数；ε不敏感损失函数；n为数据样本组数；
[0017]
弧垂矫正参数弧垂矫正参数表示由悬链线法所得弧垂挂算结果，zi表示由第i组数据yi'对应的弧垂数据；
[0018]
s5、模型训练，将样本数据集x
′
all
＝[y
′
1 ... y
′n]
t
以及每一组样本数据yi′
所对应弧垂数据zi输入s4所设计的支持向量回归机模型中训练，获得模型参数w和b；
[0019]
s6、使用模型进行弧垂优化：
[0020]
通过悬链线法获取弧垂挂算结果
[0021]
通过设置的传感器获取原始采集数据，将原始采集数据输入至s5所得参数模型中得到弧垂矫正参数
△
zi；
[0022]
弧垂优化结果
[0023]
具体的，s1和s6中，原始采集数据的种类包括：导线所处位置i处环境风速、导线所处位置i处环境温度、导线所处位置i处日照强度、导线表面i处空气层运动粘度、导线表面i处平均温升、导线i处辐射散热功率、导线i处对流散热功率、导线i处日照吸热功率、导线表面i处空气层传热系数。
[0024]
优选的，s2中，基于t检验进行异常数据检测，步骤为：
[0025]
将全部原始采集样本数据视为服从正态分布整体，计算总体原始采集数据的期望和标准差sy，将可疑样本yi作为样本总量为1的总体，若其与其余总体间无显著性差异，则其与原始采集数据同属于一个总体，t检验统计量为：
[0026][0027]
若统计量ki大于相应置信度下t检验临界值，将yi判定为异常值。
[0028]
优选的，s2中，判断为异常值后，将异常值剔除实现异常值进行修正。
[0029]
优选的，s2中，判断为异常值后，通过线性插值算法进行异常值数据修正。
[0030]
优选的，s3中，数据预处理包括：数据规范化和主成分分析。
[0031]
具体的，通过min-max标准化进行数据规范化操作，min-max标准化的转换函数如下
[0032][0033]
其中x
max
表示样本数据各对应元素数据最大值，x
min
表示样本数据最小值。
[0034]
本发明的有益效果
[0035]
adss光缆导线弧垂的精准估计对确保光缆运行状态良好，有效保证其与交跨物间的安全距离，具有重要意义。基于本发明提出的方案，可根据传感元器件获取相关周围环境参数，计算得出弧垂计算修正量，提高导线弧垂估计精度，确保线路运行状态良好。
附图说明
[0036]
图1为本发明的方法流程图
[0037]
图2为本发明的场景示意图
具体实施方式
[0038]
下面结合实施例对本发明作进一步说明，但本发明的保护范围不限于此：
[0039]
本专利提出一种基于支持向量回归的光缆弧垂计算优化方法。结合图1，所提方法
内容及步骤如下：
[0040]
1、数据采集
[0041]
数据采集阶段，由人工巡线方式完成，通过无人机携带相应测量元器件，测量导线所处位置环境风速、导线所处位置环境温度、导线所处位置日照强度、导线表面空气层运动粘度、导线表面平均温升、导线辐射散热功率、导线对流散热功率、导线日照吸热功率、导线表面空气层传热系数诸多数据，导线实际弧垂，作为原始采集数据，为下一步数据预处理做准备。
[0042]
设原始采集数据为x
all
＝[y
1 ... yn]，其中yi(1≤i≤n)表示第i组采集到的数据，其中每一个数据yi对应一个导线弧垂真实数据zi。可表示为
[0043][0044]
其中
[0045]-导线所处位置i处环境风速
[0046]
t
i-导线所处位置i处环境温度
[0047]di-导线所处位置i处日照强度
[0048]
p
i-导线表面i处空气层运动粘度
[0049]
△
t
i-导线表面i处平均温升
[0050]fi-导线i处辐射散热功率
[0051]gi-导线i处对流散热功率
[0052]hi-导线i处日照吸热功率
[0053]ci-导线表面i处空气层传热系数
[0054]
2、数据清洗
[0055]
在数据采集过程中，由于设备故障、信号干扰、人为校验错误等因素，可能导致数据失真或缺失，需要进行数据异常值检测及筛选，保证数据质量。
[0056]
为判定原始采集数据是否发生失真或缺失，采用下述基于t检验的异常数据检测方法。
[0057]
将全部原始采集样本数据视为服从正态分布整体，计算总体原始采集数据的期望和标准差sy，将可疑样本yi作为样本总量为1的总体，若其与其余总体间无显著性差异，则其与原始采集数据同属于一个总体，t检验统计量为
[0058][0059]
若统计量ki大于相应置信度下t检验临界值，将yi判定为异常值，将其剔除，或通过线性插值算法进行异常值数据修正。
[0060]
3、数据预处理
[0061]
完成数据清洗后，异常值和缺失值被合理修正，并且格式规范统一，数据已能反映导线弧垂修正量特征，但在进行机器学习之前，还需要进行数据预处理，以使数据更好地适应机器学习模型使用，具体包括数据规范化、主成分分析。
[0062]
通过min-max标准化进行数据规范化操作。min-max标准化也称为离差标准化，该方法是对原始数据进行线性变换，使数据映射到固定的区间[0，1]，同时还能较好地保持原有数据结构，min-max标准化的转换函数如下
[0063][0064]
其中x
max
表示样本数据各对应元素数据最大值，如x
all
所包含的所有导线所处位置环境风速最大值，x
min
表示样本数据最小值，min-max标准化可在量纲统一情形下进行数据归一化。
[0065]
主成份分析法简称pca(principal component analysis)，是一种线性降维方式，其原理是通过将数据投影到低维空间，使得数据在被投影的维度上方差最大。由于原始采集数据维度过多，故采用主成分分析方法对原始采集数据进行分析，尽最大程度保持降维后的数据保持原始空间的信息最大化。
[0066]
设n维向量ω为待转换空间坐标轴方向，为使数据映射后方差最大，令
[0067][0068]
其中n为数据样本个数，yi为样本i的向量表示，为所有数据样本期望。
[0069]
4、模型设计
[0070]
设经过数据预处理的样本数据集为x
′
all
＝[y
′
1 ... y
′n]
t
，每一样本对应弧垂数据为zi，设由悬链线法所得弧垂挂算结果可得样本数据对应弧垂矫正量
[0071]
以下步骤通过带松弛变量的支持向量回归机，求得样本数据yi′
与弧垂矫正量
△
zi之间的关系式。
[0072]
带松弛变量的支持向量回归机模型可表示为
[0073][0074]
s.t.
[0075]
f(yi′
)
‑△
zi≤ε+ξi[0076][0077][0078]
引入核参数表示方法，f(x)可表示为
[0079][0080]
其中w和b为模型参数，为松弛变量，c为正则化常数，为拉格朗日乘子参数，κ(x,yi′
)＝φ(x)φ(yi′
)为核函数。
[0081]
5、模型训练
[0082]
将数据预处理的样本数据集为x
′
all
＝[y
′
1 ... y
′n]
t
，以及每一样本对应弧垂数据为zi，输入支持向量回归机模型进行训练，求出模型参数w和b。在实际训练过程中，需根据测试集返回的回归精度，选取精度更优的核函数。
[0083]
6、实际应用
[0084]
实际应用过程中，通过杆塔上所安装的传感器，测量得到如下数据：
[0085]
测量导线所处位置环境风速、导线所处位置环境温度、导线所处位置日照强度、导线表面空气层运动粘度、导线表面平均温升、导线辐射散热功率、导线对流散热功率、导线日照吸热功率、导线表面空气层传热系数等诸多数据。
[0086]
将所得数据输入第5步中得到的参数模型中，由训练好的支持向量回归机得到当前参数下返回的弧垂矫正参数
△
zi，并通过悬链线法得到弧垂初步估计结果进而可得矫正后的弧垂优化计算结果
[0087][0088]
结合图2给出了本发明的场景示意图，相较于悬链线法估计值，本方法所得的估计值更接近于导线弧垂真值，提高了估计精度。
[0089]
本文中所描述的具体实施例仅仅是对本发明精神做举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。