[发明专利]一种基于PR-KELM的输电线路覆冰厚度预测模型的建模方法

说明书

本发明提供一种基于PR‑KELM的输电线路覆冰厚度预测模型的建模方法，包括第一阶段：将图像数据转换成LBP图像数据，并利用PCA算法进行降维，计算灰度直方图联级，得到提取后的图像数据特征；采用ReliefF算法对气象数据以及力学数据进行特征筛选，去掉高度相关的冗余特征，得到提取的气象以及力学特征数据；第二阶段：利用第一阶段得到的特征数据以及原始图像数据中的覆冰等级，组成样本数据，利用训练数据对PR‑KELM模型进行训练，利用测试数据对训练完成的PR‑KELM模型进行测试，最终得到输电线路覆冰厚度预测模型。本发明的有益效果：采用PR‑KELM模型进行覆冰厚度预测，对于学习率的选择不是很敏感，不容易陷入局部最优解，从而提高了预测模型的准确性。

技术领域

本发明涉及电力系统灾害预警技术领域，尤其涉及一种基于PR-KELM的 输电线路覆冰厚度预测模型的建模方法。

背景技术

目前，常用于输电线路覆冰厚度预测模型的算法包括神经网络、支持向 量机、决策树以及这些模型的改进版本，但这些算法仅考虑单一类别的监测 数据，也就是说，并没有考虑从图像数据中提取特征。事实上，图片数据往 往含有丰富的信息，但在目前常见的模型中使用级别和规模都很低。另外， 力学数据和气象数据具备高维度、非线性、异质等特点，已有的输电线路覆 冰厚度预测模型在提取特征时并没有很好地考虑到这些特点，所以造成最终 预测模型的准确率不高。

发明内容

有鉴于此，本发明提供了一种基于PR-KELM的输电线路覆冰厚度预测模 型的建模方法，首先采用LBP算法处理原始图像数据，并利用PCA算法进行 降维，计算灰度直方图联级得到提取后的图像数据特征；然后采用ReliefF 算法对气象数据以及力学数据进行特征提取，进一步减小数据维度并消除共 线性关系；最后利用提取到的特征数据，采用径向基核函数的极限学习机 (PR-KELM)建立输电线路覆冰厚度的预测模型。

本发明提供一种基于PR-KELM的输电线路覆冰厚度预测模型的建模方 法，包括对图像数据、气象数据以及力学数据进行特征提取的第一阶段，以 及采用PR-KELM模型建立输电线路覆冰厚度预测模型的第二阶段，其中：

所述第一阶段包括：对于图像数据，通过将所述图像数据转换成局部二 值模式图像数据Data_n×m，并利用主成分分析算法对所述图像数据Data_n×m进行 降维，得到低维度特征数据，根据所述低维度特征数据处理局部二值模式图 像得到降维后的图像；将所述降维后的图像分成若干小块，计算每一小块图 像的灰度直方图，进一步计算整个图像的灰度直方图联级，得到提取后的图 像数据特征；

对于气象数据以及力学数据，采用ReliefF算法进行特征筛选，去掉高 度相关的冗余特征，得到提取的气象以及力学特征数据；

所述第二阶段包括：将第一阶段提取的图像数据特征、气象以及力学特 征数据组成特征数据，将原始图像数据中的覆冰等级作为标签数据，共同构 成样本数据，并按照一定比例将所述样本数据分割为训练数据与测试数据； 所述第二阶段包括训练过程以及测试过程：利用训练数据对PR-KELM模型进 行训练，利用测试数据对训练完成的PR-KELM模型进行测试，最终得到输电 线路覆冰厚度预测模型。

进一步地，所述第一阶段对于图像数据的特征提取中，所述局部二值模 式图像数据Data_n×m为n×m维特征矩阵，矩阵中的子元素表示对应的图像样本 中灰度值为m-1的像素点的个数，n表示原始图像样本个数，m表示LBP图 像中的灰度值数量。

进一步地，所述采用主成分分析算法对所述图像数据Data_n×m进行降维的 具体过程为：

计算所述LBP图像数据Data_n×m中各个维度对应的平均值计算各维度数据与平均值的 差值，得到新值数据DataAdjust_n×m：