專利名稱：一種基于模糊邏輯的覆冰厚度預測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于輸電線路覆冰監(jiān)測技術(shù)領(lǐng)域，具體涉及一種基于模糊邏輯的覆冰厚度預測方法。
背景技術(shù)：
輸電線路覆冰常會引起線路絕緣子冰閃事故，不均勻覆冰或不同期脫冰事故，過負載事故，覆冰導線舞動事故。一次嚴重的輸電線路導線覆冰事故，會導致巨大的經(jīng)濟損失，并嚴重影響社會生活?，F(xiàn)有的研究成果雖然涉及了覆冰形成與氣象條件之間的各種關(guān)系，但是現(xiàn)有的覆冰厚度預測模型都是通過風洞試驗總結(jié)而出的，其來自覆冰現(xiàn)場監(jiān)測的有效數(shù)據(jù)非常少， 故現(xiàn)有的覆冰厚度預測模型需進一步完善，才能讓研究成果更加成熟和準確。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于模糊邏輯的覆冰厚度預測方法，解決了現(xiàn)有的覆冰預測模型現(xiàn)場數(shù)據(jù)來源缺乏、精確度不夠的問題。本發(fā)明所采用的技術(shù)方案是，一種基于模糊邏輯的覆冰厚度預測方法，具體按照以下步驟實施步驟1 獲取覆冰數(shù)據(jù)環(huán)境溫度、環(huán)境濕度、環(huán)境風速及導線溫度；步驟2 根據(jù)步驟1獲取的環(huán)境溫度、環(huán)境濕度、環(huán)境風速及導線溫度的數(shù)值，建立覆冰厚度預測模型；步驟3 根據(jù)步驟2得到的覆冰厚度預測模型，計算覆冰厚度。本發(fā)明的特點還在于，其中步驟1中的環(huán)境溫度、環(huán)境濕度、環(huán)境風速及導線溫度，是通過覆冰在線監(jiān)測系統(tǒng)采集的，覆冰在線監(jiān)測系統(tǒng)的結(jié)構(gòu)為包括MSP430F247，MSP430F247上分別連接有系統(tǒng)電源、液晶顯示與時鐘模塊、覆冰數(shù)據(jù)采集與處理模塊、數(shù)據(jù)存儲單元及通信模塊，通信模塊包括Zigbee通信模塊及GPRS通信模塊，系統(tǒng)電源和控制器相連接，控制器還分別于太陽能、蓄電池相連接，覆冰數(shù)據(jù)采集與處理模塊包括覆冰信息處理單元，覆冰信息處理單元的輸入端分別與溫濕度傳感器、風速傳感器及溫度傳感器相連接。其中步驟2建立覆冰厚度預測模型，具體按照以下步驟實施a.模糊化處理，得到變量的隸屬度函數(shù)；b.確立模糊規(guī)則；c.建立模糊預測模型。其中步驟a模糊化處理，具體按照以下步驟實施采用四輸入一輸出結(jié)構(gòu)，四個輸入變量和一個輸出變量一致分為五個模糊子集NB 很低/小、NS 較低/小、0 中等、PS 較高/大以及PB 很高/大，各個變量的隸屬度函數(shù)采用三角形函數(shù)。其中步驟b確立模糊規(guī)則，具體按照以下步驟實施對環(huán)境溫度、環(huán)境濕度、環(huán)境風速、導線溫度及覆冰厚度進行統(tǒng)計分析歸納，對每條規(guī)則定義一個強度G(k)，即構(gòu)成規(guī)則的每個數(shù)據(jù)屬于其模糊子集的隸屬度u (k)相乘，k為規(guī)則的序號，如下式，G(k) = U (k) ET X U (k) EHX U (k) EffX u (k) CT.其中，G(k)表示強度；u (k)ET表示環(huán)境溫度隸屬度的大??；!!(⑴皿表示環(huán)境濕度隸屬度的大小；u(k)EW表示環(huán)境風速隸屬度的大?。籙(k)CT表示導線溫度隸屬度的大??；遇到矛盾規(guī)則出現(xiàn)，則根據(jù)其強度大小，按去小留大原則進行取舍，最終確立模糊規(guī)則。其中步驟c建立模糊預測模型，具體按照以下步驟實施根據(jù)步驟1得到的輸入變量、步驟a得到的隸屬度函數(shù)及步驟b得到的模糊規(guī)則，通過MATLAB中的Fuzzy logic模糊邏輯工具箱建立覆冰厚度預測模型。本發(fā)明的有益效果是，模型采用的模糊邏輯方法具有多因素綜合分析的特點，適合對受多種因素影響的具有不確定性結(jié)論的事物或現(xiàn)象作出總的評價。此方法需要覆冰現(xiàn)場的環(huán)境溫度、環(huán)境濕度、環(huán)境風速、以及導線溫度，這些數(shù)據(jù)來源于覆冰在線監(jiān)測系統(tǒng)實時監(jiān)測的現(xiàn)場覆冰數(shù)據(jù)，從而得出輸電線路覆冰厚度。


圖1是本發(fā)明方法的流程圖；圖2是本發(fā)明方法中采用的覆冰在線監(jiān)測系統(tǒng)的結(jié)構(gòu)示意圖；圖3是實施例中輸入變量環(huán)境溫度的隸屬度函數(shù)；圖4是實施例中輸入變量環(huán)境濕度的隸屬度函數(shù)；圖5是實施例中輸入變量環(huán)境風速的隸屬度函數(shù)；圖6是實施例中輸入變量導線溫度的隸屬度函數(shù)；圖7是實施例中輸出變量覆冰厚度的隸屬度函數(shù)。圖中，l.MSP430FM7，2.系統(tǒng)電源，3.液晶顯示與時鐘模塊，4.覆冰信息處理單元，5.溫濕度傳感器，6.風速傳感器，7.濕度傳感器，8.太陽能，9.控制器，10.蓄電池， 11.數(shù)據(jù)存輸單元，12. Zigbee通信模塊，13. GPRS通信模塊。
具體實施例方式下面結(jié)合附圖和具體實施方式
對本發(fā)明進行詳細說明。本發(fā)明基于模糊邏輯的覆冰厚度預測方法，如圖1所示，具體按照以下步驟實施步驟1 獲取覆冰數(shù)據(jù)，采用輸電線路覆冰在線監(jiān)測系統(tǒng)，實時監(jiān)測覆冰時的環(huán)境溫度、環(huán)境濕度、環(huán)境風速以及導線溫度這4個覆冰影響因素作為覆冰厚度預測模型的輸入變量。覆冰在線監(jiān)測系統(tǒng)的結(jié)構(gòu)如圖2所示，包括MSP430F2471，MSP430F2471上分別連接有系統(tǒng)電源2、液晶顯示與時鐘模塊3、覆冰數(shù)據(jù)采集與處理模塊、數(shù)據(jù)存儲單元11及通信模塊，通信模塊包括Zigbee通信模塊12及GPRS通信模塊13，系統(tǒng)電源2和控制器9相連接，控制器9還分別于太陽能8、蓄電池10相連接，覆冰數(shù)據(jù)采集與處理模塊包括覆冰信息處理單元4，覆冰信息處理單元4的輸入端分別與溫濕度傳感器5、風速傳感器6及溫度傳感器7相連接。在線路桿塔上安裝一臺桿塔監(jiān)測分機，利用太陽能8和蓄電池10充電工作，可實現(xiàn)對特高壓線路及環(huán)境參數(shù)的全天候監(jiān)測。監(jiān)測分機實時監(jiān)測線路微氣象條件和線路覆冰狀況，監(jiān)測信息通過GPRS通信模塊13發(fā)送至監(jiān)控中心。步驟2 建立模糊邏輯的覆冰厚度預測模型，具體按照以下步驟實施a.模糊化處理模糊化是指將輸入轉(zhuǎn)換為模糊集合，即將實測物理量轉(zhuǎn)化為在該語言變量相應論域內(nèi)不同語言值的模糊子集，對于模糊邏輯模型的多個輸入，每個輸入量的模糊化過程都是一樣的，進行模糊推理的前提是輸入都必須通過模糊化處理。覆冰預測模糊邏輯模型采用四輸入一輸出結(jié)構(gòu)。基于模糊理論，確定各個變量的模糊集合。為了取得較高預測精度，四個輸入變量和一個輸出變量一致分為五個模糊子集NB (很低/小)、 NS(較低/小)、0(中等)、PS(較高/大)以及PB(很高/大)。基于對已獲取的覆冰數(shù)據(jù)庫進行統(tǒng)計以及現(xiàn)有經(jīng)驗，本發(fā)明中各個變量的隸屬度函數(shù)均采用三角形函數(shù)。b.確立模糊規(guī)則模糊規(guī)則是模糊模型的核心，它相當于模糊模型的校正模塊或補償模塊。模糊規(guī)則的生成方法大體上有兩種一種是根據(jù)專家或操作人員對所研究或涉及的領(lǐng)域長期積累的實際經(jīng)驗和知識，歸納總結(jié)得出；另一種是對現(xiàn)有的輸入-輸出的數(shù)據(jù)中進行分析，歸納總結(jié)得出。因目前對覆冰模糊分析的研究甚少，專家經(jīng)驗缺乏，故采取第二種方法對覆冰在線監(jiān)測系統(tǒng)所獲取的大量覆冰數(shù)據(jù)(包含環(huán)境溫度、環(huán)境濕度、環(huán)境風速、導線溫度)以及覆冰厚度進行統(tǒng)計分析歸納。在構(gòu)成的許多條模糊規(guī)則中，可能由于監(jiān)測數(shù)據(jù)誤差等原因會出現(xiàn)模糊規(guī)則沖突矛盾，即有些規(guī)則前件(輸入變量)的模糊子集一樣，而后件(輸出變量)的模糊子集卻不同。為了對矛盾的模糊規(guī)則進行篩選取舍，對每條規(guī)則定義一個強度G(k)，即構(gòu)成規(guī)則的每個數(shù)據(jù)屬于其模糊子集的隸屬度u (k)相乘，k為規(guī)則的序號，如式(1)G (k) =u (k) ET X u (k) EHX u (k) EffX u (k) CT (1)其中，G(k)表示強度；u (k)ET表示環(huán)境溫度隸屬度的大??；!!(⑴皿表示環(huán)境濕度隸屬度的大??；U (k)EW表示環(huán)境風速隸屬度的大?。籙(k)CT表示導線溫度隸屬度的大??；篩選取舍原則遇到矛盾規(guī)則出現(xiàn)，則根據(jù)其強度大小，按“去小留大”原則決定取舍。最終即可確立模糊規(guī)則。c.建立模糊預測模型根據(jù)步驟1所得到的輸入變量、步驟a得到其隸屬函數(shù)以及步驟b得到的模糊規(guī)則，通過MATLAB中的Fuzzy logic模糊邏輯工具箱建立覆冰厚度預測模型。步驟3 覆冰厚度預測模型根據(jù)輸入的四個參數(shù)，得到輸出變量覆冰厚度覆冰厚度預測模型已建立，將實時監(jiān)測到的輸電線路的環(huán)境溫度、環(huán)境濕度、環(huán)境風速以及導線溫度輸入到模型中即可得到輸出量，即覆冰厚度。這個得出過程是根據(jù)輸入值經(jīng)過模糊規(guī)則來分析判斷出的，是借助于MATLAB軟件來完成的。模糊邏輯方法適合對受多種因素影響的具有不確定性結(jié)論的事物或現(xiàn)象作出總的評價，而輸電線路覆冰具有明顯的模糊性和不確定性，用模糊邏輯簡化覆冰厚度預測模型設(shè)計，用自然語言去描述輸入、規(guī)則和輸出，其結(jié)果更符合人的要求、更接近人直觀理解的思考方式。實施例利用覆冰在線監(jiān)測系統(tǒng)獲取的現(xiàn)場數(shù)據(jù)，收集了貴州電網(wǎng)8條輸電線路的現(xiàn)場覆冰監(jiān)測數(shù)據(jù)(500kV安貴一回線、220kV雞陽二回、220kV凱玉線、IlOkV濫二線、220kV索干二回線、220kV銅黎線、IlOkV 土楊松茅線以及220kV習鴨一回線)。
按模糊邏輯模型分析步驟，首先對這些線路自2008年12月至2009年1月的覆冰數(shù)據(jù)進行綜合統(tǒng)計，得出環(huán)境溫度ET、環(huán)境濕度EH、環(huán)境風速EW、導線溫度CT以及覆冰厚度IT等數(shù)據(jù)的變化范圍分別為-8°C 17°C、32% 99%、0m/s 8. 6m/s、-12°C 16°C 以及Omm 23. 39mm。4個輸入變量的隸屬度函數(shù)如圖3、圖4、圖5、圖6所示及輸出變量如圖7所示。由于覆冰環(huán)境不斷變化且覆冰數(shù)據(jù)監(jiān)測頻率為1次/15min，故數(shù)據(jù)變化范圍并不是一定只局限于以上統(tǒng)計的范圍內(nèi)變化，為了使數(shù)據(jù)范圍能涵蓋各種覆冰情況以及便于模糊化分析，將以上環(huán)境溫度ET、環(huán)境濕度EH、環(huán)境風速EW、導線溫度CT以及覆冰厚度IT 的變化范圍適當擴大調(diào)整為_20°C 20°C、0% 100%、0m/s 20m/s、-20°C 20°C以及 Omm 30mm。針對這8條輸電線路的覆冰數(shù)據(jù)進行統(tǒng)計歸納總結(jié)，結(jié)合專家經(jīng)驗得出78條初始模糊規(guī)則，通過篩選取舍原則，最終得到了 25條規(guī)則，模糊規(guī)則采用ifET is…andEH is…and Eff is…and CT is…，then IT is…此模糊語言描述，列出部分規(guī)則如表1所示表1模糊規(guī)則表
權(quán)利要求
1.一種基于模糊邏輯的覆冰厚度預測方法，其特征在于，具體按照以下步驟實施步驟1 獲取覆冰數(shù)據(jù)環(huán)境溫度、環(huán)境濕度、環(huán)境風速及導線溫度；步驟2 根據(jù)步驟1獲取的環(huán)境溫度、環(huán)境濕度、環(huán)境風速及導線溫度的數(shù)值，建立覆冰厚度預測模型；步驟3 根據(jù)步驟2得到的覆冰厚度預測模型，計算覆冰厚度。
2.根據(jù)權(quán)利要求1所述的基于模糊邏輯的覆冰厚度預測方法，其特征在于，所述步驟 1中的環(huán)境溫度、環(huán)境濕度、環(huán)境風速及導線溫度，是通過覆冰在線監(jiān)測系統(tǒng)采集的，覆冰在線監(jiān)測系統(tǒng)的結(jié)構(gòu)為包括MSP430F247(1)，MSP430F247(1)上分別連接有系統(tǒng)電源O)、液晶顯示與時鐘模塊(3)、覆冰數(shù)據(jù)采集與處理模塊、數(shù)據(jù)存儲單元(11)及通信模塊，通信模塊包括Zigbee通信模塊(1 及GPRS通信模塊(13)，所述的系統(tǒng)電源( 和控制器(9)相連接，控制器(9)還分別于太陽能(8)、蓄電池(10)相連接，所述的覆冰數(shù)據(jù)采集與處理模塊包括覆冰信息處理單元G)，覆冰信息處理單元的輸入端分別與溫濕度傳感器(5)、 風速傳感器(6)及溫度傳感器(7)相連接。
3.根據(jù)權(quán)利要求1所述的基于模糊邏輯的覆冰厚度預測方法，其特征在于，所述步驟2 建立覆冰厚度預測模型，具體按照以下步驟實施a.模糊化處理，得到變量的隸屬度函數(shù)；b.確立模糊規(guī)則；c.建立模糊預測模型。
4.根據(jù)權(quán)利要求3所述的基于模糊邏輯的覆冰厚度預測方法，其特征在于，所述步驟a 模糊化處理，具體按照以下步驟實施采用四輸入一輸出結(jié)構(gòu)，四個輸入變量和一個輸出變量一致分為五個模糊子集NB 很低/小、NS 較低/小、0 中等、PS 較高/大以及PB 很高/大，各個變量的隸屬度函數(shù)采用三角形函數(shù)。
5.根據(jù)權(quán)利要求3所述的基于模糊邏輯的覆冰厚度預測方法，其特征在于，所述步驟b 確立模糊規(guī)則，具體按照以下步驟實施對環(huán)境溫度、環(huán)境濕度、環(huán)境風速、導線溫度及覆冰厚度進行統(tǒng)計分析歸納，對每條規(guī)則定義一個強度G (k)，即構(gòu)成規(guī)則的每個數(shù)據(jù)屬于其模糊子集的隸屬度u(k)相乘，k為規(guī)則的序號，如下式，G(k) = u (k) ET X u (k) EH X u (k) Eff X u (k) CT.其中，G(k)表示強度；u (k)ET表示環(huán)境溫度隸屬度的大小；u(k)EH表示環(huán)境濕度隸屬度的大??；u(k)EW表示環(huán)境風速隸屬度的大??；u(k)CT表示導線溫度隸屬度的大??；遇到矛盾規(guī)則出現(xiàn)，則根據(jù)其強度大小，按去小留大原則進行取舍，最終確立模糊規(guī)則。
6.根據(jù)權(quán)利要求3所述的基于模糊邏輯的覆冰厚度預測方法，其特征在于，所述步驟c 建立模糊預測模型，具體按照以下步驟實施根據(jù)步驟1得到的輸入變量、步驟a得到的隸屬度函數(shù)及步驟b得到的模糊規(guī)則，通過MATLAB中的Fuzzy logic模糊邏輯工具箱建立覆冰厚度預測模型。
全文摘要
本發(fā)明公開的一種基于模糊邏輯的覆冰厚度預測方法，首先獲取覆冰數(shù)據(jù)環(huán)境溫度、環(huán)境濕度、環(huán)境風速及導線溫度；其次建立覆冰厚度預測模型；最后得到覆冰厚度。本發(fā)明基于模糊邏輯的覆冰厚度預測方法，適合對受多種因素影響的具有不確定性結(jié)論的事物或現(xiàn)象作出總的評價。此方法根據(jù)覆冰現(xiàn)場的環(huán)境溫度、環(huán)境濕度、環(huán)境風速以及導線溫度的數(shù)據(jù)，得出輸電線路覆冰厚度。數(shù)據(jù)來源于覆冰在線監(jiān)測系統(tǒng)實時監(jiān)測的現(xiàn)場覆冰數(shù)據(jù)，從而解決了現(xiàn)有的覆冰預測模型現(xiàn)場數(shù)據(jù)來源缺乏、精確度不夠的問題。
文檔編號G06N7/02GK102175202SQ201110031728
公開日2011年9月7日 申請日期2011年1月30日 優(yōu)先權(quán)日2011年1月30日
發(fā)明者李佳杰, 歐陽麗莎, 黃新波 申請人:西安工程大學