[发明专利]基于时间序列分析与卡尔曼滤波算法的覆冰短期预测方法

说明书

本发明公开了一种基于时间序列分析与卡尔曼滤波算法的覆冰短期预测方法，具体按照以下步骤实施：步骤1：获取输电线路覆冰时间‑厚度数据序列；步骤2：根据步骤1中的覆冰时间‑厚度数据序列建立覆冰时间序列模型，并采用遗传算法对覆冰时间序列模型进行定阶；步骤3：根据步骤2中得到的定阶后的覆冰时间序列模型通过卡尔曼滤波算法建立混合算法覆冰预测模型；步骤4：根据步骤3中得到的覆冰预测模型进行覆冰预测。本发明弥补了现有的仅将当前时间点的气象条件作为基础进行覆冰量预测的输电线路覆冰预测方法的缺失，并解决了单纯时间序列分析模型预测精度不够的问题。

技术领域

本发明属于输电线路在线监测技术领域，具体涉及一种基于时间序列分析与卡尔曼滤波算法的覆冰短期预测方法。

背景技术

输电线路覆冰对于电力系统来说，是一种严重的自然灾害，它常常引起输电线路倒杆、倒塔，导线舞动、断线(股)，金具损伤、损坏，导线相间或对地放电，绝缘子闪络跳闸等重大事故，给电力系统的安全稳定运行带来严重危害。因此有必要对覆冰厚度进行准确预测，从而制定有效的防冰策略，保障输电线路的安全可靠运行。

输电线路覆冰是一时间累积的过程，线路上的覆冰量是与先前积累的覆冰量有着密不可分的关系。而在国内外学者做出的大量研究中，大都为通过当前时间点的气象条件作为基础进行覆冰量的预测，却很少有利用时间数据序列本身所具有的自相关性和时序性来解决线路覆冰的预测问题。所以本专利提出一种基于时间序列分析与卡尔曼滤波算法混合的输电线路覆冰预测方法。

发明内容

本发明的目的是提供一种基于时间序列分析与卡尔曼滤波算法的覆冰短期预测方法，解决了现有单纯时间序列分析模型预测精度不够的问题。

本发明所采用的技术方案是，本发明基于时间序列分析与卡尔曼滤波算法的覆冰短期预测方法，具体按照以下步骤实施：

步骤1：获取输电线路覆冰时间-厚度数据序列；

步骤2：根据步骤1中的覆冰时间-厚度数据序列建立覆冰时间序列模型，并采用遗传算法对覆冰时间序列模型进行定阶；

步骤3：根据步骤2中得到的定阶后的覆冰时间序列模型通过卡尔曼滤波算法建立混合算法覆冰预测模型；

步骤4：根据步骤3中得到的覆冰预测模型进行覆冰预测。

本发明的特点还在于，

步骤1中覆冰时间-厚度数据序列是通过覆冰在线监测系统采集的，覆冰在线监测系统的结构为：包括微处理器(1)，微处理器(1)上分别连接有电源模块(2)、覆冰信息处理单元(3)、GPRS通信模块(5)、Zigbee通信模块(6)、数据存储单元(9)，电源模块(2)分别与太阳能(7)、蓄电池(8)相连接，覆冰信息处理单元(3)还与覆冰厚度传感器(4)相连接。

微处理器(1)采用STM32F407。

步骤2具体按照以下步骤实施：

步骤2.1：判断覆冰时间-厚度数据序列的平稳性；

步骤2.2：建立覆冰时间序列模型，并采用遗传算法对覆冰时间序列模型进行定阶。

步骤2.1判断覆冰时间-厚度数据序列的平稳性具体为：取数据序列自相关系数，若数据序列的自相关系数能快速收敛到零，则数据序列为平稳序列，而对于非平稳的数据序列，则可通过差分处理使其平稳化。

步骤2.2具体为：

步骤2.2.1：设定遗传算法的基本信息：迭代次数、个体形式、个体数量、交叉率及变异率；其中，个体形式的二进制数的位数等于自回归阶数p的位数与移动平均阶数q的位数之和；

步骤2.2.2：选定适应度函数