一种架空输电线路舞动数据的伪在线序列生成方法及系统

摘要

一种架空输电线路舞动数据的伪在线序列生成方法及系统，包括：利用架空输电线路舞动和未舞动时的温湿度归一化数据构建架空输电线路舞动和未舞动时对应的二维散点图；采用贪心思想优化的单位方格覆盖算法对架空输电线路舞动和未舞动时对应的二维散点图中的散点进行聚类，并将每个以方格形式聚类的结果作为一个状态；获取各状态间转移和各层间状态转移的泊松过程的参数；基于所述泊松过程的参数定义平稳分布函数；基于各状态间和满足平稳分布的连通性矩阵确定马尔科夫链的状态转移矩阵；基于所述状态转移矩阵生成伪在线序列；其中各层间状态包括：架空输电线路在舞动和未舞动时的状态。本发明基于马尔科夫链生成带序列的数据，提高了数据的完整性。

说明书

技术领域

本发明涉及数据的构建领域，具体涉及一种架空输电线路舞动数据的伪在线序列生成方法及系统。

背景技术

随着人工智能、大数据技术的发展，电网中越来越多技术应用到了机器学习算法来进行预测、预警。一个好的机器学习算法需要有大量、优质的数据来进行模型训练。但是对于目前的应用中，高质量数据是很少的，主要由于目前传感器与存储设备的硬件配置、网络通信等原因，数据经常是不完整，并且没有了原有的时序信息，以乱序形式保存在数据库中。数据的不完整性导致数据无法用于对在线学习算法的训练，进而导致很多模型无法应用到实际系统中。

发明内容

针对现有技术中存在的架空输电线路舞动数据大多缺少时间序列，无法用于训练架空输电线路舞动状态在线预测模型的问题，本发明提供一种架空输电线路舞动数据的伪在线序列生成方法，其特征在于，包括：

分别利用架空输电线路舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据构建架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图；

采用贪心思想优化的单位方格覆盖算法分别对架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图中的散点进行聚类，并将每个以单位方格形式聚类的结果作为一个状态；

获取各状态间转移的泊松过程的参数和各层间状态转移的泊松过程的参数；

基于所述各状态间转移的泊松过程的参数和各层间状态间转移的泊松过程的参数定义平稳分布函数；

基于各状态间的连通性矩阵和满足平稳分布的连通性矩阵确定马尔科夫链的状态转移矩阵；

基于马尔科夫链的状态转移矩阵生成伪在线序列；

其中，所述各层间状态包括：架空输电线路处于舞动时的状态和处于未舞动时的状态。

优选的，所述分别利用架空输电线路舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据构建架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图，包括：

以温度和湿度分别作为横、纵坐标构建坐标系，并将所述架空输电线路舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据输入到所述坐标系中，得到架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图。

优选的，所述平稳分布函数的计算式如下：

π＝(π

式中，π为平稳分布函数，π

优选的，所述未舞动时的温湿度归一化数据的平稳分布函数中状态i对应的平稳分布函数，按下式确定：

式中，π

其中，所述状态i的取值范围如下式所示：

i∈[1,m]

式中，m为架空输电线路未舞动时对应的二维散点图中的状态总数。

优选的，所述舞动时的温湿度归一化数据平稳分布函数中状态j对应的平稳分布函数，按下式确定：

式中，π

其中，所述状态j的取值范围如下式所示：

j∈[1,n]

式中，n为架空输电线路舞动时对应的二维散点图中的状态总数。

优选的，所述基于各状态间的连通性矩阵和满足平稳分布的连通性矩阵确定马尔科夫链的状态转移矩阵，包含：

各状态间的连通性矩阵为(m+n)×(m+n)的矩阵，且矩阵中的元素值为各状态之间的连通性；

其中，m为架空输电线路舞动时对应的二维散点图中的状态总数，所述n为架空输电线路未舞动时对应的二维散点图中的状态总数；

若状态j为状态i对应的可转移状态，则状态i与状态j之间的连通性等于1，否则，状态i与状态j之间的连通性等于0；

所述状态i对应的可转移状态为状态i对应的方格分别在架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图中距离最近的设定数量个方格对应的状态。

优选的，所述马尔科夫链的状态转移矩阵的计算式如下：

式中，

优选的，所述基于马尔科夫链的状态转移矩阵生成伪在线序列，包括：

S1模拟生成参数为λ

S2初始化当前时刻t＝0，初始状态为架空输电线路未舞动时对应的二维散点图中随机的一个状态，伪在线序列为空；

S3在当前状态中随机采集一个温湿度归一化数据对应的采样数据，并将该数据填入伪在线序列；

S4判断t是否等于T，如是，则输出伪在线序列，否则，转至步骤S5；

S5判断当前时刻是否到达状态转移的转移时刻，若是，则令t＝t+1并转至步骤S6，若否，则令t＝t+1并返回所述步骤S3；

S6基于所述马尔科夫链的状态转移矩阵进行状态转移，更新当前状态并返回所述步骤S3；

其中，λ

优选的，所述采样数据至少包括下述中的一种：温度、湿度、风速、风向、输电线路覆冰厚度、降水量、输电线路角度和线路振动幅度。

基于同一发明构思，本发明还提供一种架空输电线路舞动数据的伪在线序列生成系统，包括：

散点图构建模块，用于利用架空输电线路舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据构建架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图；

聚类模块，用于采用贪心思想优化的单位方格覆盖算法分别对架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图中的散点进行聚类，并将每个以单位方格形式聚类的结果作为一个状态；

参数获取模块，用于获取各状态间转移的泊松过程的参数和各层间状态转移的泊松过程的参数；

平稳分布函数定义模块，用于基于所述各状态间转移的泊松过程的参数和各层间状态转移的泊松过程的参数定义平稳分布函数；

转移矩阵确定模块，用于基于各状态间的连通性矩阵和满足平稳分布的连通性矩阵确定马尔科夫链的状态转移矩阵；

序列生成模块，用于基于马尔科夫链的状态转移矩阵生成伪在线序列；

其中，所述各层间状态包括：架空输电线路处于舞动时的状态和处于未舞动时的状态。

与现有技术相比，本发明的有益效果为：

本发明提供一种架空输电线路舞动数据的伪在线序列生成方法及系统，包括：分别利用架空输电线路舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据构建架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图；采用贪心思想优化的单位方格覆盖算法分别对架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图中的散点进行聚类，并将每个以单位方格形式聚类的结果作为一个状态；获取各状态间转移的泊松过程的参数和各层间状态转移的泊松过程的参数；基于所述各状态间转移的泊松过程的参数和各层间状态转移的泊松过程的参数定义平稳分布函数；基于各状态间的连通性矩阵和满足平稳分布的连通性矩阵确定马尔科夫链的状态转移矩阵；基于马尔科夫链的状态转移矩阵生成伪在线序列；其中，所述各层间状态包括：架空输电线路处于舞动时的状态和处于未舞动时的状态。本发明基于马尔科夫链为输电线路舞动状态预测在线模型提供带有序列的训练数据，提高了训练数据的完整性。

附图说明

图1为本发明一种架空输电线路舞动数据的伪在线序列生成方法示意图；

图2为本发明实施例中架空输电线路舞动时的温湿度归一化数据的二维散点图；

图3为本发明实施例中架空输电线路未舞动时的温湿度归一化数据的二维散点图；

图4为本发明实施例中采样过程示意图；

图5为本发明实施例中伪在线序列中采样数据对应的温湿度变化示意图；

图6为本发明一种架空输电线路舞动数据的伪在线序列生成系统示意图。

具体实施方式

实施例1

针对现有技术中存在的输电线路在线模型的训练样本数据不完整的问题，本发明提供一种针对架空输电线路舞动的伪在线序列生成方法，如图1所示，包括：

步骤1，分别利用架空输电线路舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据构建架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图；

步骤2，采用贪心思想优化的单位方格覆盖算法分别对架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图中的散点进行聚类，并将每个以单位方格形式聚类的结果作为一个状态；

步骤3，获取各状态间转移的泊松过程的参数和各层间状态转移的泊松过程的参数；

步骤4，基于所述各状态间转移的泊松过程的参数和各层间状态转移的泊松过程的参数定义平稳分布函数；

步骤5，基于各状态间的连通性矩阵和满足平稳分布的连通性矩阵确定马尔科夫链的状态转移矩阵；

步骤6，基于马尔科夫链的状态转移矩阵生成伪在线序列；

其中，所述各层间状态包括：架空输电线路处于舞动时的状态和处于未舞动时的状态。

在所述步骤1中，分别利用架空输电线路舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据构建架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图；

首先获取来自21个省份的51万余架空线路舞动情况的检测数据，排出存在严重的不足和不均衡问题的数据，剩余数据中，发生舞动情况的数据有25150，正常情况的数据有59327条。其中，每一条舞动情况数据和未舞动的数据中均包含有：架空输电线路周围的温度、湿度、风速、风向、降水量及输电线路的覆冰厚度、角度、振动幅度这几个特征；之后将获取到的数据中的舞动情况和正常情况的两种数据分开，并为每一条数据添加一个序号，后续可以根据序号定位数据。

基于获取到的输电线路的舞动数据和未舞动数据，利用离差归一化算法进行归一化处理；

根据每一条舞动情况数据和正常情况数据中包含的特征，由于除了温度和湿度外的特征数据在一段时间内的变化没有规律，或者是属于线路本来的属性跟时间没有关系，因此选取了在一定时间内变化比较稳定的温度和湿度作为状态聚类的标准。

在散点图绘制之前，利用利差标准化算法根据温度和湿度这两个维度对舞动时的数据和未舞动时的数据按照精度为10-3进行归一化，使结果值映射到[0-1]之间，转换函数如下：

式中，X

然后，以温度和湿度分别作为横、纵坐标构建坐标系，并将所述架空输电线路舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据输入到所述坐标系中，得到架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图；

在本实施例中，每一条舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据可以放置到一个1000*1000二维的散点图上；在所述散点图中，当某一位置有点时像素值为1，没有点时像素值为0。

在所述步骤2中，采用贪心思想优化的单位方格覆盖算法分别对架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图中的散点进行聚类，并将每个以单位方格形式聚类的结果作为一个状态；

在本实施例中，鉴于采用K均值聚类方法时K的值难以确定，而且没法固定温度和湿度的变化幅度，因此将温度和和湿度进行归一化处理后，将数据的聚类转化为单位圆盘覆盖问题(即，使用最少的半径为R的圆盘，覆盖住整个平面上的散点)。且求解单位圆盘覆盖是一个NP难问题，已有很多启发式算法来处理这个问题。基于将具有相似温度和湿度的样本聚类的目的，因此在本实施例中将圆盘转变为单位方格，来保证方格内的样本在一定阶段内，具有相同的温度和湿度变化范围；

在本实施例中，基于使用贪心思想优化的单位方格覆盖算法的实现流程如下：

输入：二维散点的集合，记作P

输出：覆盖散点的方格的集合，记作A

初始化：A为空集，r为方格边长，M为散点的矩阵形式，S为进行膨胀(dilation)腐蚀(erosion)操作的度量，C为当前连通区域的数量，T为设定的连通数量阈值；

算法过程：

While C>T do

将M膨胀S个像素，然后再将M腐蚀S个像素

End while

使用方格平铺最大的连通区域，并删除这个区域中的像素点

将剩余的点膨胀方格边长刚好覆盖的像素个数(像素个数为:r*图像精度)

使用方格平铺剩下的区域

返回所有的方格中心点坐标

其中，所述方格边长r的确定是通过数据预处理后得到未发生舞动的温度范围(-8，8)摄氏度，未发生舞动的湿度范围(64％-99％)，然后即将整个[0,1]的区间分成20份，得到方格的边长为0.05。进行归一化以后的温度变化为±0.8，湿度变化为±1.7％。通过上述设置可以保证每个方格内的温度和湿度变化可以反映一段时间内同一个地点的温度湿度变化；

所述S的确定是按照最少为1个像素，通常设为1个像素即可，并在本实施例中设置为1个像素。S可加大，从而加快运算速度，但过大会降低效果；

所述C的确定是采用使用MATLAB中的Bwconncomp算法查找连通域，计算四连通的连通域数量，所述四连通就是上下左右连通；

所述T的确定就是设定的连通区域数量，与不同的数据分布有关，因此可以通过多次实验确定。在本实施例中，对于每一个地点，设定了不同的值，通过最优聚类结果来决定T是多少，当使用方格最少的时候，T就是最优的。

在本实施例中，采用的单位方格覆盖算法进行聚类，可以将现有的所有样本按照温度和湿度聚为不同类，这个类相当于系统中的某一时刻的状态，所述舞动情况的数据在聚类后的结果如图2所示，所述正常情况数据在聚类后的结果如图3所示。

在所述步骤3中，获取各状态间转移的泊松过程的参数和各层间状态转移的泊松过程的参数；

在本实施例中，对于每条输电线路，存在两个独立的泊松过程，一个代表时间状态的转移，也就是温度和湿度的变化过程，即方格之间的移动，参数为λ

其次，利用泊松过程的叠加确定舞动时对应的全部状态和未舞动时对应的全部状态，并获取各状态间转移的泊松过程的参数λ

在本实施例中，马尔科夫链的状态空间E就是两个泊松过程叠加而来的，其中E＝{E

在本实施例中，通过利用所述聚类模块的聚类处理，可将舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据进行聚类后得到的每个状态内的温度和湿度都保持在一个确定的范围内，因此可以获取到各状态间转移的泊松过程的参数λ

在所述步骤4中，基于所述各状态间转移的泊松过程的参数和各层间状态转移的泊松过程的参数定义平稳分布函数；

在本实施例中，舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据进行聚类后得到的每个状态存在一个分布π，即所述每个状态内的样本与其对应的舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据的总样本个数之比；例如，未舞动时的温湿度归一化数据聚类后的某个状态对应的方格里面包含200个样本，总共未舞动时的温湿度归一化数据有20000个，那么这个方格对应的分布π就是0.01。

在本实施例中，对于架空输电线路舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据聚类后得到的每一个状态i，连续时间的马尔科夫链会在每个状态中停留的时间为Xi，且服从参数为∑

π＝(π

式中，π为平稳分布函数，π

所述未舞动时的温湿度归一化数据的平稳分布函数中状态i对应的平稳分布函数，按下式确定：

式中，π

其中，所述状态i的取值范围，按下式确定：

i∈[1,m]

式中，m为架空输电线路未舞动时对应的二维散点图中的状态总数。

所述舞动时的温湿度归一化数据平稳分布函数中状态j对应的平稳分布函数，按下式确定：

式中，π

其中，所述状态j的取值范围，按下式确定：

j∈[1,n]

式中，n为架空输电线路舞动时对应的二维散点图中的状态总数。

在所述步骤5中，基于各状态间的连通性矩阵和满足所述步骤4中的平稳分布函数的连通性矩阵确定马尔科夫链的状态转移矩阵；

各状态间的连通性矩阵为(m+n)×(m+n)的矩阵，且矩阵中的元素值为各状态之间的连通性；

其中，m为架空输电线路舞动时对应的二维散点图中的状态总数，所述n为架空输电线路未舞动时对应的二维散点图中的状态总数；

若状态j为状态i对应的可转移状态，则状态i与状态j之间的连通性等于1，否则，状态i与状态j之间的连通性等于0；

在本实施例中，所述状态i对应的可转移状态为状态i对应的方格分别在架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图中距离最近的设定数量个方格对应的状态；设正常情况的聚类结果为m个状态，舞动情况的聚类结果为n个状态。

在本实施例中，基于利用温度和湿度作为聚类的标准，聚类后得到的每个状态都对应了一段温度湿度的变化，因此按照温度和湿度来表征的时间跨度，只需要考虑近距离的状态转移；因此对于所述每个状态i，确定在聚类后与每个状态i的空间距离上最近的四个状态，然后再去另一种情况的聚类结果的状态里找到温度湿度相近，且空间聚类最近的四个状态，并将这八个状态记作j后与所述状态i建立双向联通关系，即：P

因此经过上述操作可以确定所述每个状态的联通关系，建立一个各状态间强连通属性的状态转移关系矩阵P

在本实施例中，可以使用matlab中的CVX计算得到一个满足整体的平稳分布的特定的马尔科夫链的转移矩阵；

所述特定的马尔科夫链的转移矩阵，按下式确定：

式中，

其中，所述满足平稳分布的状态转移矩阵P的Frobenius范数，按下式确定：

式中，‖P‖

其中，所述满足平稳分布的连通性矩阵P，按下式确定：

π·P＝π

式中，π为整体的平稳分布，P为马尔科夫链的状态转移矩阵；

所述每个状态的可联通转移关系，按下式确定

P

P

在所述步骤6中，基于马尔科夫链的状态转移矩阵生成伪在线序列，具体流程如下：

S1模拟生成参数为λ

S2初始化当前时刻t＝0，初始状态为架空输电线路未舞动时对应的二维散点图中随机的一个状态，伪在线序列为空；

S3在当前状态中随机采集一个温湿度归一化数据对应的采样数据，并将该数据填入伪在线序列；

S4判断t是否等于T，如是，则输出伪在线序列，否则，转至步骤S5；

S5判断当前时刻是否到达状态转移的转移时刻，若是，则令t＝t+1并转至步骤S6，若否，则令t＝t+1并返回所述步骤S3；

S6基于所述马尔科夫链的状态转移矩阵进行状态转移，更新当前状态并返回所述步骤S3；

其中，λ

在本实施例中，基于所述马尔科夫链的状态转移矩阵，在未舞动时的温湿度归一化数据对应的聚类后的状态中随机一个初始状态，从这个初始状态中进行采样，例如每分钟采样一次，然后通过计算机模拟一个参数为λ

在本实施例中，根据采样的结果为所述架空输电线路的舞动数据生成一个伪在线序列，并且可以将带有序列的舞动时的采样数据输入到未舞动时的二维散点图中，可以直观的显示输电线路舞动时的采样数据和未舞动时的采样数据对应的温湿度情况，如图5所示，其中星形散点代表根据舞动时对应的数据得到的采样数据，圆形散点代表根据未舞动时对应的数据得到的采样数据，这个序列可以用于输电线路舞动情况预测在线模型的训练。

在本实施例中，实施过程可以简述如下：

1.将原始数据中的舞动和不舞动两种数据分开，并添加一个序号，后续可以根据数据序号定位聚类后每个方格中的样本；

2.分别进行湿度、温度的归一化，根据这两个特征将正常和舞动情况的数据映射到二维散点图上，这时可以产生有两层的聚类结果，即一层代表正确情况，一层代表舞动情况；

3.使用基于贪心算法的单位方格覆盖的聚类算法，对上述二维散点图中的数据进行聚类，将数据聚类后生成方格，每个方格代表正常情况或舞动情况数据的一个状态；

4.计算所述每个状态，即每个方格中的数据数量，并用于计算平稳分布的π；

5.对于每一个方格，找到与其在聚类空间中距离最近的四个方格，然后使用这个方格的中心点，去另一个正常或舞动情况中找到湿度温度以及空间聚类最近的方格，这时每一个状态会有8个相连的小方格，建立了每个方格与可联通方格的双向连通状态；

6.根据所述双向联通状态，建立一个(m+n)×(m+n)的具有强联通属性的状态转移矩阵P

7.根据具有强联通属性的状态转移矩阵P

8.模拟一个指数分布，设定一个转移结果，即在转移结果的时刻会发生状态转移；

9.然后随机一个正常情况或舞动情况的状态，在初始时刻开始，按照指数分布的每个时刻采样一次；

10.当到达转移结果的时刻时，先从当前状态中，有放回的随机选择一个点序号，将这个序号对应这一条原始数据作为序列的一个新的点，然后根据转移矩阵中对应的这个状态转移到其他状态的概率，生成一个随机数，即为转移后的新状态；

11.重复所述步骤10，直至为所有输入数据生成序列为止。

本发明提供的一种针对架空输电线路舞动的伪在线序列生成方法，有利于其他数据驱动的机器学习线路舞动预测模型设计，为在线舞动预测模型的设计提供了可能性。

实施例2

基于同一发明构思，本发明还提供一种针对架空输电线路舞动的伪在线序列生成系统，如图6所示，包括：

散点图构建模块，用于利用架空输电线路舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据构建架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图；

聚类模块，用于采用贪心思想优化的单位方格覆盖算法分别对架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图中的散点进行聚类，并将每个以单位方格形式聚类的结果作为一个状态；

参数获取模块，用于获取各状态间转移的泊松过程的参数和各层间状态转移的泊松过程的参数；

平稳分布函数计算模块，用于基于所述各状态间转移的泊松过程的参数和各层间状态转移的泊松过程的参数定义平稳分布函数；

转移矩阵确定模块，用于基于各状态间的连通性矩阵和满足平稳分布的连通性矩阵确定马尔科夫链的状态转移矩阵；

序列生成模块，用于基于马尔科夫链的状态转移矩阵生成伪在线序列；

其中，所述各层间状态包括：架空输电线路处于舞动时的状态和处于未舞动时的状态。

所述散点图构建模块，用于利用架空输电线路舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据构建架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图；

所述散点图构建模块，包括：坐标构建子模块和散点图绘制子模块。

在散点图绘制之前，利用利差标准化算法根据温度和湿度这两个维度对舞动时的数据和未舞动时的数据按照精度为10-3进行归一化，使结果值映射到[0-1]之间，转换函数如下：

式中，X

所述坐标构建子模块，用于以温度和湿度分别作为横、纵坐标构建坐标系；

所述散点图绘制子模块，用于将所述架空输电线路舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据输入到所述坐标系中，得到架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图，且在所述散点图中，当某一位置有点时像素值为1，没有点时像素值为0。

所数据聚类模块，用于采用贪心思想优化的单位方格覆盖算法分别对架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图中的散点进行聚类，并将每个以单位方格形式聚类的结果作为一个状态；

在本实施例中，所述数据聚类模块可以将现有的所有样本按照温度和湿度聚为不同类。

所述参数获取模块，用于获取各状态间转移的泊松过程的参数和各层间状态转移的泊松过程的参数；

在本实施例中，对于每条输电线路，存在两个独立的泊松过程，一个代表时间状态的转移，也就是温度和湿度的变化过程，即方格之间的移动，参数为λ

在本实施例中，马尔科夫链的状态空间E就是两个泊松过程叠加而来的，其中E＝{E

在本实施例中，经过上述处理可以获取到各状态间转移的泊松过程的参数λ

所述平稳分布函数定义模块，用于基于所述各状态间转移的泊松过程的参数和各层间状态转移的泊松过程的参数定义平稳分布函数；

在本实施例中，对于架空输电线路舞动时的温湿度归一化数据和未舞动时的温湿度归一化数据聚类后得到的每一个状态i，连续时间的马尔科夫链会在每个状态中停留的时间为Xi，且服从参数为∑

π＝(π

式中，π为平稳分布函数，π

所述未舞动时的温湿度归一化数据的平稳分布函数中状态i对应的平稳分布函数，按下式确定：

式中，π

其中，所述状态i的取值范围，按下式确定：

i∈[1,m]

式中，m为架空输电线路未舞动时对应的二维散点图中的状态总数。

所述舞动时的温湿度归一化数据平稳分布函数中状态j对应的平稳分布函数，按下式确定：

式中，π

其中，所述状态j的取值范围，按下式确定：

j∈[1,n]

式中，n为架空输电线路舞动时对应的二维散点图中的状态总数。

所述转移矩阵确定模块，用于基于各状态间的连通性矩阵和满足利用所述平稳分布函数定义模块计算出的平稳分布函数的连通性矩阵确定马尔科夫链的状态转移矩阵；

各状态间的连通性矩阵为(m+n)×(m+n)的矩阵，且矩阵中的元素值为各状态之间的连通性；

其中，m为架空输电线路舞动时对应的二维散点图中的状态总数，所述n为架空输电线路未舞动时对应的二维散点图中的状态总数；

若状态j为状态i对应的可转移状态，则状态i与状态j之间的连通性等于1，否则，状态i与状态j之间的连通性等于0；

所述状态i对应的可转移状态为状态i对应的方格分别在架空输电线路舞动时对应的二维散点图和未舞动时对应的二维散点图中距离最近的设定数量个方格对应的状态；

所述每个状态的可联通转移关系，按下式确定

P

P

式中，P

所述马尔科夫链的转移矩阵，按下式确定：

式中，

其中，所述满足平稳分布的状态转移矩阵P的Frobenius范数，按下式确定：

式中，‖P‖

所述满足平稳分布的连通性矩阵P，按下式确定：

π·P＝π

式中，π为整体的平稳分布，P为马尔科夫链的状态转移矩阵；

所述转移矩阵确定模块，用于基于马尔科夫链的状态转移矩阵生成伪在线序列，具体用于：

S1模拟生成参数为λ

S2初始化当前时刻t＝0，初始状态为架空输电线路未舞动时对应的二维散点图中随机的一个状态，伪在线序列为空；

S3在当前状态中随机采集一个温湿度归一化数据对应的采样数据，并将该数据填入伪在线序列；

S4判断t是否等于T，如是，则输出伪在线序列，否则，转至步骤S5；

S5判断当前时刻是否到达状态转移的转移时刻，若是，则令t＝t+1并转至步骤S6，若否，则令t＝t+1并返回所述步骤S3；

S6基于所述马尔科夫链的状态转移矩阵进行状态转移，更新当前状态并返回所述步骤S3；

其中，λ

显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。