[发明专利]基于气象因素的地区绝缘子群污闪风险评估方法和系统

说明书

本发明公开了一种基于气象因素的地区绝缘子群污闪风险评估方法，包括以下步骤：根据气象数据的预测值和基于BP神经网络的预测模型，获取地区绝缘子群的盐密预测值；基于非参数核密度估计法获取盐密预测值的概率密度函数；根据盐密预测值的概率密度函数计算地区绝缘子群的污闪风险系数。本发明根据气象数据的预测值和基于BP神经网络的预测模型，获取地区绝缘子群的盐密预测值，其中，气象数据的预测值是通过气象数据预测概率模型获得，由于综合考虑了气象因素的预测误差，能够进一步提高绝缘子盐密值的预测精度；之后，通过非参数核密度估计法准确估计盐密预测值的概率密度函数，进而能够更加科学客观地估计出地区绝缘子群的污闪风险。

技术领域

本发明涉及电网检测技术领域，尤其涉及一种基于气象因素的地区绝缘子群污闪风险评估方法和系统。

背景技术

绝缘子表面的等值附盐密度(盐密)是确定线路污秽风险和污区的重要依据。通过准确预测绝缘子盐密并划定相应污区，根据污区图以及对应的绝缘子污闪风险系数对绝缘子展开定期清扫能够有效预防绝缘子污闪事故的发生。

在实际生产过程中，即使处于同一气象条件下的绝缘子，由于局部微气象条件、绝缘子安装方位等因素对盐密产生的影响，其盐密也可能不同，故单个绝缘子的盐密具有一定的偶然性。此外，绝缘子污闪的发生具有一定的概率随机性，对单个绝缘子做污秽预测意义不大。然而，地区绝缘子群受到相同或者相近的气象因素的影响，因此研究地区绝缘子群的盐密值及污闪风险评估则更加科学有效。

周龙武等提出了基于概率统计与神经网络相结合的绝缘子盐密预测，其通过神经网络建立了基于气象数据和地区绝缘子群盐密值的预测模型，并假定地区绝缘子盐密的概率密度函数(高斯分布)来粗略估计地区绝缘子群的污闪风险系数。

但是上述所提预测模型有以下问题：1)未来气象预测数据存在较大的不确定性，仅用确定性的预测值输入预测模型，将导致盐密的预测值存在较大误差；2)假定了盐密预测值服从高斯分布。众所周知，地区绝缘子的盐密值受多种因素影响，其不一定服从高斯分布，而可能服从任意分布。若人为假定盐密预测值服从高斯分布，将可能使绝缘子污闪风险评估值不准。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于气象因素的地区绝缘子群污闪风险评估方法和系统。

本发明解决其技术问题所采用的技术方案是：构造一种基于气象因素的地区绝缘子群污闪风险评估方法，包括以下步骤：

步骤S1、根据气象数据的预测值和基于BP神经网络的预测模型，获取所述地区绝缘子群的盐密预测值；

步骤S2、基于非参数核密度估计法获取所述盐密预测值的概率密度函数；

步骤S3、根据所述盐密预测值的概率密度函数计算所述地区绝缘子群的污闪风险系数。

在本发明提供的基于气象因素的地区绝缘子群污闪风险评估方法中，所述气象数据包括月均降雨量、酸雨PH值和空气质量指标。

在本发明提供的基于气象因素的地区绝缘子群污闪风险评估方法中，在步骤S1之前，还包括：

建立所述气象数据的预测概率模型；

根据蒙特卡洛模拟法从所述预测概率模型中抽取所述气象数据的所述预测值。

在本发明提供的基于气象因素的地区绝缘子群污闪风险评估方法中，所述气象数据的所述预测概率模型为：

rⁱⁿ＝r^prediction+e^r

qⁱⁿ＝q^prediction+e^q

aⁱⁿ＝a^prediction+e^a