基于数据挖掘的输电线路覆冰预测模型研究

摘要

近年来部分地区频繁的持续低温、雨雪等天气导致输电线路覆冰现象的频繁发生。覆冰灾害严重影响输电线路的稳定运行，造成巨大的危害。目前，覆冰监测系统已经相对成熟，而覆冰的预测与预警还没有完善成熟的技术可应用于实际中。所以，研究和建立输电线路覆冰厚度预测模型和输电线路覆冰等级预测模型，对预防和减小灾害损失有一定的理论意义和现实意义。
　　首先，本文分析了覆冰机理，研究了温度，湿度，风速等环境因素对输电线路覆冰的影响。
　　第二，C4.5算法有形象直观的决策树和产生式规则，容易被理解和解释，并有较高的准确率，可弥补模糊推理系统的准确率较低的缺点。而且C4.5算法又可以处理分类型属性，正好符合模糊推理系统中的输入值和输出值均模糊化后可被看作分类型属性的特点，并且模糊推理系统也解决了C4.5算法输出属性不能为数值型属性的缺点。所以本文将C4.5算法与模糊推理系统结合形成新的推理算法，即C4.5-模糊推理算法，并基于此算法提出一种新的输电线路覆冰预测模型：C4.5-模糊推理预测模型。本文对模型进行了验证，并与基于模糊推理系统的预测模型作对比。实验结果表明：预测覆冰厚度与实际覆冰厚度的绝对误差小于2mm，且比基于模糊系统的预测模型的绝对误差小，说明该模型具有可行性且预测精度较高；
　　第三，提出划分覆冰厚度等级的方法，设计了基于C4.5算法的输电线路覆冰等级预测模型。对数据进行预处理，将覆冰厚度按一定范围分成几个等级，运用C4.5算法生成决策树，最后生成规则形成覆冰等级预测模型。用十字交叉验证方法验证模型的性能，并与朴素贝叶斯（NB）和基于核估计技术的朴素贝叶斯（NBK）对比，由实验结果可知该模型可靠且预测准确率较高，可用于输电线路的覆冰等级预测。