基于模拟退火遗传算法的输电线路覆冰预测方法及系统与流程

本发明涉及输电线路覆冰预警，具体为基于模拟退火遗传算法的输电线路覆冰预测方法及系统。

背景技术：

1、输电线路覆冰预警模型是一种用于监测和预测输电线路覆冰情况的技术。在冷冻天气条件下，输电线路很容易受到冰覆盖，这可能导致线路过载、断裂甚至停电等问题。因此，开发覆冰预警模型可以帮助电力运营商和相关部门及时采取措施，保障电网的稳定运行。

2、现有的输电线路覆冰预警模型大致有三类:(1)数学物理模型；(2)统计回归模型；(3)智能算法模型。

3、数据物理模型是以导线覆冰计算理论为基础，通过导线承载力对导线覆冰进行预测的方法；统计回归模型是从统计学方向建立输电线路覆冰数学模型；智能算法通过对历史覆冰数据进行训练，采用机器学习算法进行输电线路覆冰预测。但是现有模型仍存在一些不足：①输电线路覆冰厚度和各种气象因素之间具有非线性、不确定性和多频性的映射关系，而各种不同类型的气象因素之间又存在一定的关联性与交叉性。因此，在实际应用中不同地区由于地理环境、气象条件等存在巨大差异导致基于覆冰机理的数学物理模型难以通用，其适用面较窄。②大部分架空输电线路所在区域气象条件恶劣，环境较差，因此缺乏大量完整的历史覆冰数据，由于缺乏大量数据的支持，统计回归模型的预测精度会受限，模型参数也会难以选取。③以人工神经网络为代表的智能算法模型具有良好的适用性，但是常用的bp神经网络存在初始参数选取困难、局部最优问题等。

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：现有的输电线路覆冰预警方法存在预测精度低，稳定性低，拟合度低，以及数学物理模型难以通用，其适用面较窄的问题。

3、为解决上述技术问题，本发明提供如下技术方案：基于模拟退火遗传算法的输电线路覆冰预测方法，包括：采集输电线路覆冰影响因子参数；通过构建数据矩阵并进行标准化降维输电线路覆冰影响因子；对降维的输电线路覆冰影响因子进行归一化处理；基于sa-ga算法构建输电线路覆冰预警模型；通过评价指标对输电线路覆冰预警模型可靠性、网络可靠性评价。

4、作为本发明所述的基于模拟退火遗传算法的输电线路覆冰预测方法的一种优选方案，其中：所述输电线路覆冰影响因子参数包括温度、湿度、风速、风向、气压。

5、作为本发明所述的基于模拟退火遗传算法的输电线路覆冰预测方法的一种优选方案，其中：所述通过构建数据矩阵并进行标准化降维输电线路覆冰影响因子包括对覆冰影响因素进行降维处理，构建原始数据矩阵，表示为：

6、

7、其中，x1、x2、...、xp为覆冰观测变量，n为组数目；

8、对数据原始矩阵标准化，表示为：

9、

10、其中，是样本均值，σj为其标准差；

11、标准化后，构建变量相关系数矩阵，表示为：

12、

13、其中，x为覆冰观测矩阵，r为过程变量；

14、输出主成分方差贡献率βi和累积方差贡献率β(i)，表示为：

15、

16、其中，λ为特征值，p为特征值数量，m为固定系数。

17、作为本发明所述的基于模拟退火遗传算法的输电线路覆冰预测方法的一种优选方案，其中：所述对降维的输电线路覆冰影响因子进行归一化处理包括对量化后的数据归一化处理，将数据约束在[0，1]区间内，表示为：

18、

19、其中，a为归一化前的原始样本，at为归一化后的样本；amin为原始样本数据中的最小值；amax为原始样本数据中的最大值。

20、作为本发明所述的基于模拟退火遗传算法的输电线路覆冰预测方法的一种优选方案，其中：所述基于sa-ga算法构建输电线路覆冰预警模型包括构建的bp神经网络的初始权值、阈值，预处理温度、湿度、风速数据，初始化种群规模，采用无起点自然数编码定义染色体编码，构建适应度函数，表示为：

21、

22、其中，s为预处理数据；

23、选择算子，输出单个个体的适应值占总群总适应度的比例，对于单个个体i选中的概率模型，表示为：

24、

25、其中，f为适应度，m为数据最大值，i，j为数据个体；

26、重组两个父辈部分基因片段输出交叉算子，通过变异算子辅助遗传，维持种群多样性，产生少量变异个体，模拟退火算子遗传算法，得到不同的个体，对个体编码进行解码，表示为：

27、-δf＝fmax-fmin

28、

29、其中，t0为初始温度；p0为接受劣解的概率，-δf为退火算子。

30、作为本发明所述的基于模拟退火遗传算法的输电线路覆冰预测方法的一种优选方案，其中：所述基于sa-ga算法构建输电线路覆冰预警模型包括判断终止条件，若达到最大迭代次数或达到期望误差后将寻优后的参数赋予bp神经网络的权值、阈值，训练bp神经网络，输出覆冰厚度预测值；

31、若未达到最大迭代次数或未达到期望误差后将寻优后的参数赋予bp神经网络的权值、阈值，返回对降维的输电线路覆冰影响因子进行归一化处理，重新基于sa-ga算法构建输电线路覆冰预警模型，直至达到最大迭代次数或达到期望误差后将寻优后的参数赋予bp神经网络的权值、阈值。

32、作为本发明所述的基于模拟退火遗传算法的输电线路覆冰预测方法的一种优选方案，其中：所述通过评价指标对输电线路覆冰预警模型可靠性、网络可靠性评价，表示为：

33、

34、其中，yi为样本真实值，为模型预测值，n为样本容量；

35、构建平均绝对百分误差模型表示为：

36、

37、其中，yi为样本真实值，为模型预测值，n为样本容量；

38、构建总平方和模型，表示为：

39、

40、其中，为各节点拟合数据，为各节点原始数据平均值；

41、构建残差平方和模型，表示为：

42、

43、其中，为各节点拟合数据，yi为各节点原始数据；

44、构建决定系数模型，表示为：

45、

46、其中，ssr为残差平方和模型，sst为总平方和模型；

47、其中，平均绝对百分误差mape与模型预测精度呈负相关，均方根误差rmse与模型预测稳定性呈负相关，决定系数r2为评价模型的拟合优度，与模型的拟合度呈负相关。

48、本发明的另外一个目的是提供基于模拟退火遗传算法的输电线路覆冰预测系统，其能通过综合模拟退火的全局搜索能力和遗传算法的局部搜索能力，提高了算法的精确性，基于模拟退火遗传算法优化bp神经网络处理信息，通过sa-ga-bp模型进行输电线路覆冰预测，提高了优化效能和覆冰预警的实时性。

49、作为本发明所述的基于模拟退火遗传算法的输电线路覆冰预测系统的一种优选方案，其中：包括初始化模块，影响因子降维模块，数据归一化处理模块，输电线路覆冰预警模块，预警模型评价模块，所述初始化模块用于收集输电线路覆冰影响因子参数包括温度、湿度、风速、风向、气压，所述影响因子降维模块用于对数据原始矩阵标准化，输出方差贡献率和累积方差贡献率，所述数据归一化处理模块用于对量化后的数据进行归一化处理，将数据约束在[0，1]区间内，所述输电线路覆冰预警模块用于判断终止条件，训练bp神经网络，输出覆冰厚度预测值，所述预警模型评价模块用于基于均方根误差、平均绝对百分误差、总平方和、残差平方和、决定系数对模型评价。

50、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是实现基于模拟退火遗传算法的输电线路覆冰预测方法的步骤。

51、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基于模拟退火遗传算法的输电线路覆冰预测方法的步骤。

52、本发明的有益效果：本发明提供的基于模拟退火遗传算法的输电线路覆冰预测方法通过综合模拟退火的全局搜索能力和遗传算法的局部搜索能力，提高了算法的精确性，基于模拟退火遗传算法优化bp神经网络，不仅具备对信息的良好处理能力，而且解决了初始参数选取和容易陷入局部最优解问题，通过sa-ga-bp模型进行输电线路覆冰预测，提高了优化效能和覆冰预警的实时性，解决了传统预警模型数据类型单一导致精度低的问题，有效的提高了预测的准确度，本发明在稳定性和准确度方面都取得更加良好的效果。