[发明专利]一种发生山火之后预测输电线污秽度的方法

说明书

技术领域

本发明涉及电力系统减灾防灾领域，具体是一种发生山火之后预测输电线污秽度的方法。

背景技术

现有的污秽回归预测模型预测某时刻污秽度时，将该时刻气象数据、地形数据等作为参数通过映射关系得到污秽度，这种方法更侧重于映射关系，而没有考虑到污秽积累的具体条件，实际上，考虑到污秽的实际积累过程，这种方法是有局限性的。

山火发生时与刚发生后，污秽有一个快速稳定增加的过程，直至污秽维持在一定值，仅在小范围内波动。在污秽快速稳定增加的过程中，由于污秽在不断积累，即使有相同的气象、地形等条件，不同时刻污秽程度不同，而按照传统预测方法，使用相同的气象、地形等参数，得到的结果是相同的，这往往会产生较大的误差。

发明内容

针对污秽预测领域现有技术的上述不足，本发明提供一种发生山火之后预测输电线污秽度的方法，其在山火发生后对不同污秽积累过程分类，在此基础上根据污秽积累的机理建立更为准确的污秽预测模型，相比传统预测方法，更符合实际情况，结果更加可靠。

一种发生山火之后预测输电线污秽度的方法，其特征在于：包括如下步骤：

步骤1、根据气象过程对气象历史数据进行分类，定义气象历史数据为{x_i,C_i}，i为样本编号，x_i∈Rⁿ为气象数据，C_i∈R为对应的线路污秽值，对线路污秽气象历史数据{x_i,C_i}进行如下操作：

式1

由式1求得的{Δx_i,ΔC_i}称为气象过程历史数据，由式2将气象过程历史数据{Δx_i,ΔC_i}分为污秽快速稳定增长、污秽维持两个集合：

式2

式(2)中：P₊表示污秽快速稳定增长集合，P₀表示污秽维持集合，ΔC_i为相邻时刻采样点输电线路污秽增量，δ为污秽维持类别的波动范围；

步骤2、使用灰色关联分析法计算样本数据对不同累积过程的隶属度,得到影响污秽增长的因子的权重矩阵W的,具体步骤如下：

设参考序列C为污秽值序列：C＝(C(1),C(2),...,C(N))

比较序列x_j为气象分量的序列：x_j＝(x_j(1),x_j(2),...,x_j(N))

其中j为温度、湿度等气象分量的编号，则气象分量x^j与污秽值C的灰色斜率关联度定义为

式3

式4

其中ξ为灰色关联系数，ξ_j(t)表示气象分量x_j与污秽值C在时刻t所对应的灰色关联系数，t为测得数据对应的时刻，t＝1，2，…，N，N为序列中的测量数据样本数；式4中为气象分量序列的平均值，为污秽值序列平均值，Δx_j(t)表示气象分量x_j在时刻t之后的第一次测量值与时刻t测量值的差值，Δt为对应的时间差；

定义影响污秽增长的因子的权重矩阵为W

W＝diag(ε₁,ε₂,...,ε_j,...)式7

通过式(8)计算气象过程历史数据对两个集合P₊,P₀的带权重马氏距离L_i,p：

式8

式(8)中：L_i,p为马氏距离，m_p为模式集P的聚类中心，P∈P₊、P₀，C_p为该模式集的协方差矩阵，有

式9

将该带权重马氏距离L_i作为模糊隶属度函数的参数，求出气象历史数据对不同气象过程的隶属度μ_i,p具体为：

式10；