一种绝缘子表面不可溶沉积物密度预测系统及方法技术方案

本发明专利技术公开了一种绝缘子表面不可溶沉积物密度预测系统及方法，其系统包括原始数据采集单元、串联型灰色神经网络预测单元、并联型灰色神经网络预测单元、嵌入型灰色神经网络预测单元、NSDD预测值输出单元和NSDD预警单元；将绝缘子表面不可溶沉积物密度数据和当地气象数据投入串联型灰色神经网络预测单元、并联型灰色神经网络预测单元和嵌入型灰色神经网络预测单元，通过这单个预测单元分别对绝缘子NSDD数值进行预测；然后利用检验样本对这三个预测单元的预测准确度进行判断，以预测准确度高的预测单元的输出作为绝缘子NSDD预测值；通过NSDD预警单元根据是否有两个及以上预测单元输出的预测值达到预设分级预警阈值来发出预警。

System and method for predicting density of insoluble sediment on insulator surface

The invention discloses a surface of the insulator is not soluble deposit density prediction system and method, the system includes a data acquisition unit, the original series grey neural network prediction unit, parallel grey neural network prediction unit, embedded type of grey neural network prediction unit, NSDD unit and the NSDD output forecast early warning unit; the surface of the insulator will be insoluble the sediment density data and local meteorological data input prediction prediction unit and embedded type of grey neural network unit, parallel grey neural network series grey neural network prediction unit on insulator NSDD numerical predicted by this single; then using the test data of the three prediction accuracy of prediction unit to determine the output to the prediction accuracy prediction unit high degree as the insulator NSDD forecasts by NSDD single warning; According to the prediction value of two or more prediction units, the preset threshold is set up to give warning.

【技术实现步骤摘要】

本专利技术属于电力系统外绝缘
，更具体地，涉及一种绝缘子表面不可溶沉积物密度预测系统及方法。
技术介绍
正常工作电压下的绝缘子由于表面污秽物的堆积，在阴雨、大雾等恶劣天气下容易发生污秽闪络事故，对电力系统的安全稳定运行构成严重威胁。对输电线路上绝缘子的污秽度进行预测非常有必要，以便及时预防污闪事故的发生。通常使用不可溶沉积物密度(NonSolubleDepositDensity，NSDD)简称灰密来评估绝缘子表面污秽程度。灰色模型因为其建模所需样本数据少、无须考虑分布规律及变化趋势、建模简单和运算方便的优点在绝缘子表面污秽程度预测方面得到广泛的应用，但是由于灰色系统缺乏自学习、自组织和自适应能力，对信息的处理能力较弱，不能独立完成预测任务。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种绝缘子表面不可溶沉积物密度预测系统及方法，其目的在于结合灰色模型与神经网络、提供一种可广泛应用于任意型号绝缘子的不可溶沉积物密度预测方法，以及污闪预警功能。为实现上述目的，按照本专利技术的一个方面，提供了一种绝缘子表面不可溶沉积物密度预测系统，包括原始数据采集单元、串联型灰色神经网络预测单元、并联型灰色神经网络预测单元、嵌入型灰色神经网络预测单元和NSDD预测值输出单元；其中，原始数据采集单元用于获取输电线上的绝缘子NSDD数据和气象数据；串联型灰色神经网络预测单元、并联型灰色神经网络预测单元与嵌入型灰色神经网络预测单元分别用于根据输电线上绝缘子NSDD数据和气象数据对输电线上的绝缘子NSDD进行预测；对应的，串联型灰色神经网络预测单元输出第一预测值、并联型灰色神经网络预测单元输出第二预测值、嵌入型灰色神经网络预测单元输出第三预测值；NSDD预测值输出单元用于将上述三个预测值与样本数据进行并对，根据比对结果从上述三个预测单元中选取预测准确度最高的预测单元，以该预测单元输出的预测值作为绝缘子NSDD预测值。优选地，上述绝缘子表面不可溶沉积物密度预测系统，还包括NSDD预警单元；NSDD预警单元用于根据上述第一预测值、第二预测值、第三预测值与预设的预警阈值生成预警信号；具体地，当第一预测值、第二预测值、第三预测值中的两个及以上的预测值达到预警阈值，生成预警信号。优选的，上述绝缘子表面不可溶沉积物密度预测系统，其串联型灰色神经网络预测单元包括并列的第一GM(1,1)模型、第二GM(1,1)模型、第三GM(1,1)模型，以及神经网络；其中，GM(1,1)模型是灰色模型的一种，是一个只包含单变量的一阶微分方程；神经网络包括输入层、隐含层以及输出层，其传递函数采用Sigmoid函数；第一GM(1,1)模型、第二GM(1,1)模型、第三GM(1,1)模型的输入接口均与原始数据采集单元相连；神经网络的输入端与第一GM(1,1)模型、第二GM(1,1)模型、第三GM(1,1)模型的输出接口相连；第一GM(1,1)模型、第二GM(1,1)模型、第三GM(1,1)模型分别根据输电线上的绝缘子NSDD数据进行绝缘子NSDD预测，获得三组灰化预测结果；由神经网络根据这三组灰化预测结果进行绝缘子NSDD预测，获得第一预测值。优选的，上述绝缘子表面不可溶沉积物密度预测系统，其并联型灰色神经网络预测单元包括GM(1,1)模型、神经网络和组合预测网络；其中，GM(1,1)模型与神经网络并联；GM(1,1)模型与神经网络的输入端均与原始数据采集单元相连；组合预测网络的输入端与GM(1,1)模型的输出端、神经网络的输出端相连；GM(1,1)模型和神经网络分别根据输电线上的绝缘子NSDD数据和气象数据进行绝缘子NSDD预测；组合预测网络对GM(1,1)模型和神经网络的预测结果进行加权获得第二预测值。优选的，上述绝缘子表面不可溶沉积物密度预测系统，其嵌入型灰色神经网络预测单元包括依次串联的灰化层、神经网络和白化层；其中，灰化层用于对原始的输电线上的绝缘子NSDD数据和气象数据进行累加变换和平滑处理；神经网络用于根据累加平滑后的数据进行绝缘子NSDD预测，白化层用于对神经网络的输出数据进行累减变换还原处理，获得第三预测值。按照本专利技术的另一方面，基于上述绝缘子表面不可溶沉积物密度预测系统，提供了一种绝缘子表面不可溶沉积物密度预测方法，包括如下步骤：(1)根据采集到的原始的绝缘子NSDD数据建立三个序列长度不同的GM(1,1)模型；以这三个GM(1,1)模型的预测NSDD值为输入量，以测量NSDD为输出量，投入神经网络进行训练获得神经网络的最优权值和阈值；以训练好的神经网络进行绝缘子NSDD预测，获得第一预测值；其中，测量NSDD是指采集到的NSDD数据；(2)分别通过灰色模型和神经网络模型进行绝缘子NSDD预测，获得两个初始预测数据；根据检验样本确定这两个初始预测数据的权重系数；根据权重系数对两个初始预测数据进行加权处理，获得第二预测值；在本步骤中，对于拟预测NSDD值的时间节点k，以1～(k-10)节点的(k-10)个测量NSDD数据作为训练样本，以(k-10)～k的10个测量NSDD数据值作为检验样本；(3)对神经网络进行训练，并对原始绝缘子NSDD数据进行灰化处理；将灰化处理后的数据投入训练好的神经网络，由训练好的神经网络进行绝缘子NSDD预测；对神经网络的输出数据进行白化处理，获得第三预测值；其中，灰化处理包括累加变化和平滑处理；白化处理是指累减变换；(4)将上述第一预测值、第二预测值和第三预测值与检验样本进行并对，根据比对结果从上述三个预测单元中选取预测准确度最高的预测单元，以该预测单元输出的预测值作为最终的绝缘子NSDD预测值。优选地，上述绝缘子表面不可溶沉积物密度预测方法，其步骤(3)包括如下子步骤：(3.1)采用气象数据、时间节点m之前的原始绝缘子NSDD数据、以及时间节点m之前的10个时间节点的灰化数据对神经网络进行训练，获得最优权值和阈值；根据最优权值和阈值构建得到训练好的神经网络；其中，m为训练预测绝缘子NSDD数据值的时间节点，训练神经网络采用的输入数据包括气象数据、时间节点1～时间节点(m-1)的原始绝缘子NSDD数据，(m-10)～m的10个时间节点的原始绝缘子NSDD数据经灰化处理后的灰化数据；气象数据包括风速、降水量、相对湿度；训练神经网络采用的输出数据是指(m-9)～(m+1)共10个时间节点的原始绝缘子NSDD数据经灰化处理后的灰化数据；(3.2)对第m节点的原始绝缘子NSDD数据进行灰化处理；将灰化后的数据投入训练好的神经网络，获得初始预测值；对初始预测值进行白化处理，获得第二预测值。优选地，上述绝缘子表面不可溶沉积物密度预测方法，还包括步骤(5)：(5)将第一预测值、第二预测值、第三预测值分别与预设的预警阈值进行比较，当第一预测值、第二预测值、第三预测值中的两个及以上达到预警阈值，生成预警信号。总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，能够取得下列有益效果：(1)本专利技术提供的绝缘子表面不可溶沉积物密度预测系统及方法，将灰色模型与神经网络模型有机融合，既具有灰色系统用小样本数据建模的独特方法，又具有神经网络模型对非线性、非精确规律具有自适应能力的优点；通过组合能从不同的角度、不同的模型本文档来自技高网...

【技术保护点】
一种绝缘子表面不可溶沉积物密度预测系统，其特征在于，包括原始数据采集单元、串联型灰色神经网络预测单元、并联型灰色神经网络预测单元、嵌入型灰色神经网络预测单元和NSDD预测值输出单元；所述原始数据采集单元用于获取输电线上的绝缘子NSDD数据和气象数据；所述串联型灰色神经网络预测单元、并联型灰色神经网络预测单元与嵌入型灰色神经网络预测单元用于分别根据输电线上绝缘子NSDD数据和气象数据对输电线上的绝缘子NSDD进行预测，获得三个预测值；所述NSDD预测值输出单元用于将所述三个预测值与样本数据进行并对，根据比对结果从三个预测单元中选取预测准确度最高的预测单元，以该预测单元输出的预测值作为绝缘子NSDD预测值。

【技术特征摘要】
1.一种绝缘子表面不可溶沉积物密度预测系统，其特征在于，包括原始数据采集单元、串联型灰色神经网络预测单元、并联型灰色神经网络预测单元、嵌入型灰色神经网络预测单元和NSDD预测值输出单元；所述原始数据采集单元用于获取输电线上的绝缘子NSDD数据和气象数据；所述串联型灰色神经网络预测单元、并联型灰色神经网络预测单元与嵌入型灰色神经网络预测单元用于分别根据输电线上绝缘子NSDD数据和气象数据对输电线上的绝缘子NSDD进行预测，获得三个预测值；所述NSDD预测值输出单元用于将所述三个预测值与样本数据进行并对，根据比对结果从三个预测单元中选取预测准确度最高的预测单元，以该预测单元输出的预测值作为绝缘子NSDD预测值。2.如权利要求1所述的绝缘子表面不可溶沉积物密度预测系统，其特征在于，还包括NSDD预警单元；所述NSDD预警单元用于根据所述三个预测值与预设的预警阈值生成预警信号；具体地，当所述三个预测值的两个或三个预测值达到预警阈值，则生成预警信号。3.如权利要求1或2所述的绝缘子表面不可溶沉积物密度预测系统，其特征在于，所述串联型灰色神经网络预测单元包括并列的第一GM(1,1)模型、第二GM(1,1)模型、第三GM(1,1)模型，以及神经网络；所述第一GM(1,1)模型、第二GM(1,1)模型、第三GM(1,1)模型的输入接口均与所述原始数据采集单元相连；所述神经网络的输入端与第一GM(1,1)模型、第二GM(1,1)模型、第三GM(1,1)模型的输出接口相连；所述第一GM(1,1)模型、第二GM(1,1)模型、第三GM(1,1)模型分别根据输电线上的绝缘子NSDD数据进行绝缘子NSDD预测，获得三组灰化预测结果；由神经网络根据所述三组灰化预测结果进行绝缘子NSDD预测，获得第一预测值。4.如权利要求1或2所述的绝缘子表面不可溶沉积物密度预测系统，其特征在于，所述并联型灰色神经网络预测单元包括GM(1,1)模型、神经网络和组合预测网络；所述GM(1,1)模型与神经网络并联；所述GM(1,1)模型与神经网络的输入端均与原始数据采集单元相连；所述组合预测网络的输入端与GM(1,1)模型的输出端、神经网络的输出端相连；所述GM(1,1)模型和神经网络用于分别根据输电线上的绝缘子NSDD数据和气象数据进行绝缘子NSDD预测；所述组合预测网络用于对GM(1,1)模型和神经网络的预测结果进行加权获得第二预测值。5.如权利要求1或2所述的绝缘子表面不可溶沉积物密度预测系统，其特征在于，所述嵌入型灰色神经网络预测单元包括依次串联的灰化层、神经网络和白化层；所述灰化层用于对输电线上的绝缘子NSDD数据和气象数据...

【专利技术属性】
技术研发人员：李黎，姜昀芃，华奎，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42