[发明专利]一种基于偏互信息法的覆冰闪络影响因素筛选方法

说明书

本发明公开了一种基于偏互信息法的覆冰闪络影响因素筛选方法，属于电力系统故障预警技术领域。本发明基于偏互信息法考虑因素之间的相关影响，筛选出覆冰闪络故障的主要影响因素。本发明以筛选覆冰闪络故障主要影响因素为目标，大大减少了覆冰闪络预测模型的复杂度，使得覆冰闪络特性研究成果可以在覆冰闪络故障预警中得以应用。

技术领域

本发明属于电力系统故障预警技术领域，更准确地说，本发明涉及一种基于偏互信息法的覆冰闪络影响因素的筛选方法。

背景技术

由于电力系统长期暴露有自然环境中，输电线路会经常受到自然灾害的影响，而自然灾害引发电网故障的预警是保证电网安全稳定运行的重要途径。覆冰灾害是影响电力系统运行最为严重的灾害之一。覆冰灾害不仅会造成输电线路跳闸，还会引起一次系统损坏，造成长时间线路停运，一直以来是电网灾害防御的重点。由于覆冰闪络的影响因素较多，所以对于覆冰闪络故障预警的研究也较为复杂。

在目前的覆冰闪络研究中，普遍的做法是给出一个或多个因素与覆冰闪络电压直接的定量表达式。但在实际电网运行过程中，覆冰闪络是多个因素共同作用的结果，且实际参数分布与实验室模拟有很大差别，另外数据的采集也存在误差，使得现有覆冰闪络特性研究成果难以在覆冰闪络故障预警中直接应用。

随着数据挖掘技术的发展，近年来基于数据驱动的方法逐渐在电力系统中得到了广泛的应用。覆冰闪络特性模型中的参数能够反应覆冰闪络的整体特性，同样适用数据挖掘方法发掘其规律。但是由于覆冰闪络影响因素较多，在预测模型中考虑全部因素将增加模型的复杂度，首先需要提取出关键的影响因素。而常用的偏最小二乘法和Schmidt变换虽能够对输入变量进行特征提取以降低维数和消除相关性，但其在求解非线性问题中的表现较差，故难以应用到覆冰闪络特性模型的数据挖掘中。

互信息(mutual information，MI)是以信息论中的熵为基础，用于反映变量间的线性和非线性相关关系的一种方法，能够定量地反映变量间的相关程度，并且在描述线性和非线性变量时都具有较好的性能。在互信息的基础上，偏互信息(partial mutualinformation，PMI)用条件期望剔除变量间的相关关系再计算其互信息，消除了变量之间的联系，有效地提高了变量选择的精确性。中国专利申请CN201410713154.5就公开了一种耦合偏互信息和CFS集合预报的小水电发电能力预测方法。如能将偏互信息应用到覆冰闪络特性模型的数据挖掘中，必然能准确地预测冰闪故障提供帮助。

发明内容

本发明目的是：结合现有技术中的偏互信息方法，提供一种基于偏互信息法的覆冰闪络影响因素筛选方法。

具体地说，本发明是采用以下技术方案实现的，包括如下步骤：

1)选取N个输电线路覆冰闪络的影响因素放入变量集X中，设输出因变量为Y，Y代表是否发生冰闪跳闸现象，最优输入变量集为S，将S初始化为空集；

2)对于X中每个变量，计算其与Y的互信息I(X_i,Y)，其中Xi代表X中第i个变量；

3)记使I(X_i,Y)值最大的X中的那个变量为X_S，根据X_S计算AIC值，并将X_S从X中移入S；

AIC值的计算公式为：

式中，r_i为根据已选变量计算的Y回归残差；n为取值个数；p为已选变量个数，log对数取2为底，单位为比特；

4)若X不为空，对于其中每一个变量，计算u_i＝X_i-m_Xi(S)与v＝Y-m_Y(S)，并计算I(u_i,v)，其中：