输电线路脱冰过程中跳跃高度预测方法、系统及存储介质

本发明属于电网防灾减灾领域，更具体地，涉及一种输电线路脱冰过程中跳跃高度预测方法、系统及存储介质。

背景技术：

1、随着电网建设密度的加大，许多输电线路不可避免会经过海拔高、气温低、风力强等气象条件恶劣的重覆冰区，导致输电线路上积聚覆冰。在特定的气象条件或人工除冰作用下，导线上的冰脱落会引起导线跳跃，若导线之间距离小于最小绝缘间隙，会导致导线闪络、缠绕或碰撞引起跳闸，进而引发断线事故或者倒塌事故，输电线路的覆冰脱落跳跃产生的灾害给电网的建设造成极大的挑战。

2、现有技术中，主要根据对架空输电线路脱冰后的跳跃高度进行统计，采用应力弧垂变化关系或能量守恒关系推导并拟合出方便工程应用的跳跃高度简化计算公式并利用经验系数进行修正，在计算公式中仅考虑了脱冰前后弧垂差和档距对跳跃高度的影响。这种方法中，考虑对跳跃高度的影响因素比较单一，并且而且不同输电线路体系构造各异，使得通过该方法计算得到的跳跃高度准确率较差、实用性和泛化性能较差。更重要的是，脱冰后的弧垂需要跳跃结束后才能得到，导致现有方法无法在脱冰时对跳跃高度进行预测。

技术实现思路

1、针对现有技术的缺陷和改进需求，本发明提供了一种输电线路脱冰过程中跳跃高度预测方法、系统及存储介质，其目的在于提升输电线路脱冰过程中跳跃高度预测的准确度以及泛化能力。

2、为实现上述目的，按照本发明的一个方面，提供了一种输电线路脱冰过程中跳跃高度预测方法，包括：

3、用训练好的跳跃高度预测网络进行实际输电线路脱冰过程中跳跃高度预测；其中，所述跳跃高度预测网络通过如下过程训练：

4、s1、获取输电线路的结构参数以及环境荷载参数；

5、s2、基于所述结构参数以及环境荷载参数，建立输电线路的有限元模型，通过控制变量法计算单个参数变化下输电线路脱冰过程中的跳跃高度；其中，所述单个参数为所述结构参数以及环境荷载参数中的任一个；

6、s3、判断所述跳跃高度是否超过设定的跳跃高度阈值，若超过，则将所述跳跃高度对应的参数处理成数据集，输入至跳跃高度预测网络，并对所述跳跃高度预测网络进行损失训练，直至损失收敛或者达到设定的训练轮次，得到训练好的跳跃高度预测网络，其中，所述跳跃高度预测网络用于预测输电线路脱冰过程中的跳跃高度。

7、进一步地，s3中，对所述跳跃高度预测网络进行损失训练的过程包括：

8、将所述数据集中的训练集k等分；

9、轮流将每一份训练集作为验证集，其余k-1份作为交叉验证训练集进行交叉验证；

10、将每一次交叉验证中所述跳跃高度预测网络输出的预测值与所述验证集之间均方误差的平均值作为损失函数，以最小化损失函数为目标，反向调节所述跳跃高度预测网络的超参数，直至损失收敛或者达到设定的训练轮次，得到所述跳跃高度预测网最佳的超参数，进而得到训练好的跳跃高度预测网络。

11、进一步地，得到所述跳跃高度预测网络最佳超参数的过程包括：

12、s331、确定所述跳跃高度预测网络所需要调整的超参数x；

13、s332、随机初始化多组所述超参数x，并对所述跳跃高度预测网络进行训练，得到相应训练轮次下损失函数f(x)的值；

14、s333、对s332中得到的多组数据组合点(x，f(x))进行拟合，得到反映损失函数f(x)与超参数x之间关系的代理函数；

15、s334、计算代理函数的最小值，在最小值附近以及s332中随机初始化时未采样的区域采集新的数据组合点，用新的数据组合点和s332中得到的多组数据组合点(x，f(x))重新进行拟合，得到新的代理函数；

16、s335、以新的代理函数作为当前迭代次数下的代理函数，重复s334，直至达到设定的迭代次数，得到所述跳跃高度预测网络最佳超参数。

17、进一步地，s3中，将所述跳跃高度对应的参数处理成数据集之前，还包括：

18、对所述跳跃高度对应的参数进行特征重要性评价，得到特征重要性评分；删除特征重要性评分低于设定阈值的参数，得到对跳跃高度影响程度高的参数；

19、或/和还包括：计算任意两个对跳跃高度影响程度高的参数的相关性系数；针对相关性系数超过设定阈值的两个参数，删除其中一个参数。

20、进一步地，所述输电线路的结构参数包括：导线的型号、初应力、挂点高度、导线分裂数、档距及绝缘子串的参量；其中，所述绝缘子串的参量包括绝缘子串的类型、长度及夹角；

21、所述环境荷载参数包括覆冰厚度、脱冰率及脉动风荷载。

22、进一步地，s2中，基于所述结构参数以及环境荷载参数，建立输电线路的有限元模型，包括：

23、s21、基于所述结构参数，采用梁单元模拟导线，通过不断迭代施加竖直向下的重力加速度确定导线在自重及所述覆冰厚度下的线形，实现导线找形；

24、s22、生成脉动风时间序列，并将脉动风速转化为脉动风压施加在找形后的导线上；

25、s23、按照所述脱冰率进行输电线路的脱冰模拟。

26、进一步地，还包括：对所述跳跃高度预测网络性能评估步骤：

27、计算所述跳跃高度预测网络输出的预测值与s2中计算得到的跳跃高度之间的差值；

28、基于所述差值，通过变异系数、平均绝对误差、均方误差、决定系数中的一个或多个评价指标，评价所述跳跃高度预测网络的预测效果；其中，平均绝对误差和均方误差的值越小，表示预测效果越好，变异系数和决定系数的值越接近1，表示预测效果越好。

29、进一步地，用训练好的跳跃高度预测网络进行实际输电线路脱冰过程中跳跃高度预测之后，还包括预警步骤：

30、确定输电线路不同相之间的最小安全距离；

31、若跳跃高度预测值大于或等于所述最小安全距离，则发出预警信息。

32、按照本发明的另一方面，提供了一种输电线路脱冰过程中跳跃高度预测系统，用于执行如第一方面任一项所述的输电线路脱冰过程中跳跃高度预测方法，包括：

33、跳跃高度预测模块，用训练好的跳跃高度预测网络进行实际输电线路脱冰过程中跳跃高度预测；其中，所述跳跃高度预测网络通过如下模块进行训练：

34、参数获取模块，用于获取输电线路的结构参数以及环境荷载参数；

35、计算模块，用于基于所述结构参数以及环境荷载参数，建立输电线路的有限元模型，通过控制变量法计算单个参数变化下输电线路脱冰过程中的跳跃高度；其中，所述单个参数为所述结构参数以及环境荷载参数中的任一个；

36、跳跃高度预测网络训练模块，用于判断所述跳跃高度是否超过设定的跳跃高度阈值，若超过，则将所述跳跃高度对应的参数处理成数据集，输入至跳跃高度预测网络，并对所述跳跃高度预测网络进行损失训练，直至损失收敛或者达到设定的训练轮次，得到训练好的跳跃高度预测网络，其中，所述跳跃高度预测网络用于预测输电线路脱冰过程中的跳跃高度。

37、按照本发明的另一方面，提供了一种计算机可读存储介质，包括存储的计算机程序；所述计算机程序被处理器执行时，控制所述计算机可读存储介质所在设备执行第一方面任一项所述的方法。

38、总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：

39、(1)本发明的方法，通过建立有限元模型确定对输电线路脱冰过程中的跳跃高度有影响的因素，将相应的影响因素作为跳跃高度预测网络的输入数据集，并对跳跃高度预测网络进行优化训练，用训练好的跳跃高度预测网络进行实际输电线路脱冰过程中跳跃高度预测；本发明将有限元模型的理论计算与实际预测结合起来，得到的跳跃高度预测值的准确度以及泛化能力较高；同时，本发明采用的输电线路结构参数以及环境荷载参数，均为脱冰前或者脱冰过程中的参数，可以实现输电线路脱冰过程中跳跃高度的预测。

40、(2)本发明设计的损失函数，在训练时将所有折的交叉验证mse平均值作为损失函数，可以充分利用训练集，避免了小样本导致的训练误差大和训练不充分的问题，同时，将所有折的交叉验证mse平均值作为损失函数，考虑了每一折训练得到的mse值，能够体现模型在整个数据集上的训练效果。

41、(3)本发明在优化跳跃高度预测网络超参数的过程中，通过确定反映损失函数f(x)与超参数x之间关系的代理函数，用后验分布作为下一次迭代的先验分布，不断迭代优化代理函数，使得代理函数不断逼近损失函数f(x)与超参数x之间的真实函数关系，基于确定的损失函数，得到最佳的超参数，相比网格搜索需要穷举出所有超参数组合，提升了训练效率；相比随机搜索对所有超参数组合采用随机采样方法选出最佳超参数组合，会导致每次优化的结果差异较大，本发明的这种方式的得到的模型精度更高。

42、(4)作为优选，通过对跳跃高度对应的参数进行特征重要性评价，选择对得到对跳跃高度影响程度高的参数，或/和对影响程度高的参数进行特征相关性分析，删除冗余特征之后再作为数据集，能够进一步提升跳跃高度预测网络的预测精度，并提升方法的计算效率。

43、(5)本发明在对跳跃高度预测时，同时考虑了导线的型号、初应力、挂点高度、导线分裂数、档距、绝缘子串的参量、覆冰厚度、脱冰率及脉动风荷载等多种因素对跳跃高度的影响，能够提升方法预测的准确性。

44、(6)在建立输电线路的有限元模型的过程中，考虑到导线在脱冰过程中跳跃运动发生时，具有一定的抗弯和抗扭性能，相比现有常用的索单元模拟导线，本发明采用梁单元模拟导线，模拟精度更高。

45、(7)作为优选，本发明还可以通过对跳跃高度预测网络进行性能评估，评价模型的预测测效果，实验证明，本发明的跳跃高度预测网络具有较好的预测效果。

46、(8)作为优选，基于本发明的方法，还可以进行预警，若预测该输电线在特定风速、覆冰厚度和脱冰率情况下脱冰过程中的跳跃高度大于或等于最小安全距离，则发出预警信息。

47、总而言之，本发明能够快速且准确预测输电线路在覆冰脱落过程中的跳跃高度，改善经验公式实用性差、泛化能力差及预测误差大的缺点。