【技术实现步骤摘要】
本专利技术涉及电网防灾减灾，尤其是涉及一种基于智能网格订正的输电线路风险预警方法、装置及设备。
技术介绍
1、随着电力系统的发展和智能化程度的提升，电网运行安全性和可靠性的要求日益增加。输电线路作为电力系统的重要组成部分，其安全运行直接影响到电网的稳定供电。然而，输电线路常受到强对流天气的影响，当强风或暴雨作用在导线和绝缘子串风压面上时，导线出现一定程度的偏转和位移，当导线与杆塔构件或周边物体空气间隙小于工频电压击穿距离时，发生空气击穿，形成风偏放电跳闸，进而引发设备损坏甚至线路故障，给电网带来严重的安全隐患。因此，需要研究针对输电线路风险评估与预警方法，尤其对强对流天气下可能发生风偏放电的输电线路采取提前防护措施。
2、目前针对输电线路气象灾害特征识别和预警管理方面，按照数据获取手段可以划分为：①基于多普勒天气雷达识别冰雹、雷暴大风、龙卷等多种强对流天气，以及降水的0-2h临近外推。②基于数值预报的冰雹、短时强降水、雷暴大风等强对流天气落区诊断，并通过降尺度进行时空分辨率的提升。
3、上述方法在一定程度上提高了输电线路强对流天气预报的精细化水平，但在应对复杂多变的气象条件和电网拓扑影响时存在一定的局限性，多普勒天气雷达空间范围不能覆盖所有的输电线路区域，且预报时效只有2小时；区域降尺度数值预报结果存在系统性误差。因此，提供一种更精准的强对流天气下输电线路风险预警方法十分有必要。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于智能网格订正的输电
2、第一方面，本专利技术提供了一种基于智能网格订正的输电线路风险预警方法，包括：
3、获取目标区域对应的多模式历史气象预测数据和历史气象观测数据，历史气象预测数据包括不同模式下多个气象要素预测值，历史气象观测数据包括目标区域内每个网格对应的多个气象要素观测值；
4、基于历史气象观测数据，对历史气象预测数据进行时空插值和多模式融合，得到目标区域内每个网格融合后的多个气象要素预测值；
5、利用融合前后的气象要素预测值和历史气象观测数据，对机器学习模型进行训练得到气象要素订正模型集，气象要素订正模型集用于对目标区域在强对流天气下的多模式气象预测数据进行订正，得到的目标气象订正数据包括目标区域内每个网格对应的多个气象要素目标订正值，多个气象要素目标订正值用于针对目标区域进行输电线路风险预警。
6、在一种实施方式中，基于历史气象观测数据，对历史气象预测数据进行时空插值和多模式融合，得到目标区域内每个网格融合后的多个气象要素预测值，包括：
7、对每种模式下的历史气象预测数据进行时空插值；
8、基于历史气象观测数据和时空插值后的历史气象预测数据，确定同一气象要素在不同模式下对应的模式融合权重；
9、针对目标区域内每个网格，利用模式融合权重对该网格内同一气象要素在不同模式下的气象要素预测值进行多模式融合，得到该网格融合后的气象要素预测值。
10、在一种实施方式中，基于历史气象观测数据和时空插值后的历史气象预测数据，确定同一气象要素在不同模式下对应的模式融合权重，包括：
11、针对每种模式下的历史气象预测数据执行如下处理：
12、对时空插值后的历史气象预测数据进行归一化处理，以得到目标区域内每个网格在该模式下归一化后的多个气象要素预测值；
13、以及，根据历史气象观测数据对时空插值后的历史气象预测数据进行残差处理，以得到目标区域内每个网格的多个气象要素残差数据；
14、基于同一气象要素对应的归一化后的气象要素预测值和气象要素残差数据，确定同一气象要素在该模式下对应的模式融合权重。
15、在一种实施方式中，利用融合前后的气象要素预测值和历史气象观测数据，对机器学习模型进行训练得到气象要素订正模型集，包括：
16、基于融合前后的气象要素预测值和历史气象观测数据，构建初步样本数据集；
17、将初步样本数据集中的融合前后的气象要素预测值作为输入，以历史气象观测数据为训练标签，对xgboost模型进行训练，得到目标xgboost模型，利用shap方法进行模型解释，筛选关键气象要素，并基于关键气象要素对应的融合前后的气象要素预测值和历史气象观测数据构建目标样本数据集；
18、基于目标样本数据集，将每个关键气象要素对应的融合前后的气象要素预测值作为输入，将历史气象观测数据中关键气象要素对应的气象要素观测值作为训练标签，对机器学习模型进行训练得到气象要素订正模型集。
19、在一种实施方式中，方法还包括：
20、获取目标区域在强对流天气下的多模式气象预测数据；
21、通过气象要素订正模型集，对多模式气象预测数据进行订正，得到气象要素订正模型集内每个气象要素订正模型输出的初始气象订正数据，初始气象订正数据包括目标区域内每个网格对应的多个气象要素初始订正值；
22、对初始气象订正数据进行多模型融合得到目标气象订正数据；
23、基于目标区域对应的输电线路及杆塔位置信息，从目标气象订正数据中提取输电线路及杆塔所属目标网格对应的多个气象要素目标订正值；
24、根据目标网格对应的多个气象要素目标订正值，针对目标区域进行输电线路风险预警，得到目标区域对应的输电线路风险预警结果。
25、在一种实施方式中，目标气象订正数据包括风速订正值；根据目标网格对应的多个气象要素目标订正值，针对目标区域进行输电线路风险预警，得到目标区域对应的输电线路风险预警结果，包括：
26、根据目标网格对应的风速订正值，确定目标区域内杆塔高度处风速作用下杆塔所承受的风荷载；
27、基于杆塔所承受的风荷载和输电线路所承受的重力载荷确定绝缘子串风偏角，并根据绝缘子串风偏角确定输电线路与杆塔之间的间隙距离；
28、基于间隙距离与预设间隙距离阈值之间的比对情况，确定目标区域对应的输电线路风险预警结果。
29、在一种实施方式中，对初始气象订正数据进行多模型融合得到目标气象订正数据，包括：
30、针对每个气象要素，按照可动态调整的模型融合权重对每个气象要素订正模型针对该气象要素输出的气象要素初始订正值进行多模型融合，得到该气象要素对应的气象要素目标订正值。
31、第二方面，本专利技术还提供一种基于智能网格订正的输电线路风险预警装置，包括：
32、数据获取模块，用于获取目标区域对应的多模式历史气象预测数据和历史气象观测数据，历史气象预测数据包括不同模式下多个气象要素预测值，历史气象观测数据包括目标区域内每个网格对应的多个气象要素观测值；
33、数据处理模块，用于基于历史气象观测数据，对历史气象预测数据进行时空插值和多模式融合，得到目标区域内每个网格融合后的多个气象要素预测值；
【技术保护点】
1.一种基于智能网格订正的输电线路风险预警方法，其特征在于，包括：
2.根据权利要求1所述的基于智能网格订正的输电线路风险预警方法，其特征在于，基于所述历史气象观测数据，对所述历史气象预测数据进行时空插值和多模式融合，得到所述目标区域内每个所述网格融合后的多个气象要素预测值，包括：
3.根据权利要求2所述的基于智能网格订正的输电线路风险预警方法，其特征在于，基于所述历史气象观测数据和时空插值后的所述历史气象预测数据，确定同一气象要素在不同模式下对应的模式融合权重，包括：
4.根据权利要求3所述的基于智能网格订正的输电线路风险预警方法，其特征在于，利用融合前后的所述气象要素预测值和所述历史气象观测数据，对机器学习模型进行训练得到气象要素订正模型集，包括：
5.根据权利要求1所述的基于智能网格订正的输电线路风险预警方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的基于智能网格订正的输电线路风险预警方法，其特征在于，所述目标气象订正数据包括风速订正值；根据所述目标网格对应的多个气象要素目标订正值，针对所述目标区域进行
7.根据权利要求5所述的基于智能网格订正的输电线路风险预警方法，其特征在于，对所述初始气象订正数据进行多模型融合得到目标气象订正数据，包括：
8.一种基于智能网格订正的输电线路风险预警装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种基于智能网格订正的输电线路风险预警方法，其特征在于，包括：
2.根据权利要求1所述的基于智能网格订正的输电线路风险预警方法，其特征在于，基于所述历史气象观测数据，对所述历史气象预测数据进行时空插值和多模式融合，得到所述目标区域内每个所述网格融合后的多个气象要素预测值，包括：
3.根据权利要求2所述的基于智能网格订正的输电线路风险预警方法，其特征在于，基于所述历史气象观测数据和时空插值后的所述历史气象预测数据，确定同一气象要素在不同模式下对应的模式融合权重，包括：
4.根据权利要求3所述的基于智能网格订正的输电线路风险预警方法，其特征在于，利用融合前后的所述气象要素预测值和所述历史气象观测数据，对机器学习模型进行训练得到气象要素订正模型集，包括：
5.根据权利要求1所述的基于智能网格订正的输电线路风险预警方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的基于智能...
【专利技术属性】
技术研发人员：马奕，林超，陈云刚，谢凯浪，张新忠，刘娜，程楠，
申请(专利权)人：北京弘象科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。