[发明专利]基于数据知识库的输电线路风振灾害特征识别方法与系统

说明书

本发明提供了基于数据知识库的输电线路风振灾害特征识别方法和系统，包括：基于输电线路导线风振灾害信息，从多源数据中获取相关历史数据；对所述历史数据进行整合；基于整合后的历史数据利用多层神经网络监督学习模型对导线风振灾害特征进行识别。实现了结构化和非结构化的灾害原始数据进行统一、规范化加工整合，搭建输电线路风振灾害的多层神经网络监督学习模型是输电线路风振灾害特征识别的的必要前提与基础。

技术领域

本发明属于智能运检领域，具体涉及基于数据知识库的输电线路风振灾害特征识别方法与系统。

背景技术

随着电网规模的不断扩大和电网信息化水平的持续提升，多年来在输电线路运行过程中积累了大量的输电线路风振灾害监测和历史故障记录数据，输电线路导线风振灾害数据主要包括气象地理信息、机械力学损伤信息及导线结构材料数据等，已有数据库主要以运维单位的表格化台账记录、故障分析报告、现场视频、图片、监测后台信息等传统层面的多源异构数据为主，尚未建立统一化、规范化、标准化的数据库，制约了运维数据的利用效能发挥，并且利用传统分析手段对灾害数据加工利用效率及智能化程度低，不能满足电网智能化和泛在电力物联网的发展需求。

电网数据库研究方面，有些机构为开展故障诊断和负荷预测的数据挖掘，建立了电网系统的运行数据库，在系统控制运行层面从大数据角度实现了智能化分析，但其数据内容及应用场景与输电线路风振灾害数据库有较大差异，无法快速准确的对输电线路风振灾害特征进行识别和预测，无法对输电线路风振灾害防治提供决策支撑。

发明内容

本发明提供了基于数据知识库的输电线路风振灾害特征识别方法，其特征在于，包括：

基于输电线路导线风振灾害信息，从多源数据中获取相关历史数据；

对所述历史数据进行整合；

基于整合后的历史数据利用多层神经网络监督学习模型对导线风振灾害特征进行识别。

优选的，所述基于与输电线路导线风振灾害影响从多源数据中获取相关历史数据，包括：

基于历史故障缺陷台账、结构设计资料及气象地理信息统计历年的输电线路导线风振灾害故障缺陷历史记录及相关的线路结构参数与环境参数；

其中，所述故障缺陷历史记录包括：故障缺陷的类型、损伤位置及程度、发生时间、故障原因；

所述线路结构参数包括：电压等级、杆塔类型及高度、导线型号及分裂形式、导线跨度与弧垂、导线张力、防振措施；

所述输电线路环境参数包括：风速、风向、降水情况、温湿度、线路风向夹角、地貌类型、海拔高度。

优选的，所述对所述历史数据进行整合，包括：

对所述线路结构参数与环境参数进行数据清洗和整理；

从数据清洗和整理后的数据中选择风振灾害数据，以及随机选取部分正常数据，进行整合；

基于整合后的数据构建数据库。

优选的，所述基于整合后的历史数据利用多层神经网络监督学习模型对导线风振灾害特征进行识别，包括：

将所述数据库中的数据划分为训练数据集和测试数据集；

基于训练数据集对多层神经网络监督学习模型进行训练，确定灾害特征，以及各灾害特征的权重；

利用测试数据集对所述识别出的灾害特征准确率进行评价，并基于评价结果修订所述多层神经网络监督学习模型中各灾害特征的权重；

其中，所述灾害特征包括：舞动、风偏、微风振动和次档距振荡。

优选的，所述利用测试数据集对识别出的灾害特征准确率进行评价，包括：