一種基于數(shù)據(jù)挖掘的輸電桿塔塔材實(shí)際強(qiáng)度計(jì)算方法
【專利摘要】本發(fā)明公開(kāi)了一種基于數(shù)據(jù)挖掘的輸電桿塔塔材實(shí)際強(qiáng)度計(jì)算方法，應(yīng)用粗糙集理論對(duì)桿塔強(qiáng)度影響因素集進(jìn)行約簡(jiǎn)；采用數(shù)據(jù)挖掘方法從大量的歷史數(shù)據(jù)中挖掘有用數(shù)據(jù)構(gòu)造學(xué)習(xí)集；根據(jù)學(xué)習(xí)集運(yùn)用梯度下降法不斷迭代學(xué)習(xí)來(lái)確定因素集權(quán)重，并將得到的權(quán)值綜合評(píng)價(jià)計(jì)算塔材實(shí)際強(qiáng)度的退化率。該方法可解決演化過(guò)程中影響塔材強(qiáng)度因素的效度不清晰的典型不確定性、非線性問(wèn)題。該方法可為輸電鐵塔結(jié)構(gòu)安全評(píng)價(jià)提供重要的科學(xué)判據(jù)。
【專利說(shuō)明】一種基于數(shù)據(jù)挖掘的輸電桿塔塔材實(shí)際強(qiáng)度計(jì)算方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及輸電鐵塔結(jié)構(gòu)安全評(píng)價(jià)領(lǐng)域，特別適用于在復(fù)雜自然環(huán)境下長(zhǎng)期運(yùn)行 的輸電桿塔結(jié)構(gòu)安全評(píng)價(jià)。

【背景技術(shù)】
[0002] 線路結(jié)構(gòu)安全的本質(zhì)是一個(gè)不確定性、非線性的狀態(tài)空間演化過(guò)程，狀態(tài)的演化 (轉(zhuǎn)移）過(guò)程具有隨機(jī)性，其中表征桿塔塔材實(shí)際機(jī)械強(qiáng)度的特征信息具有不精確性，影響 因素的作用效度也不清晰，運(yùn)行狀態(tài)的定義及外延具有模糊性，狀態(tài)評(píng)判的專家知識(shí)具有 不完備性，所以對(duì)線路塔材強(qiáng)度的評(píng)價(jià)與計(jì)算是一個(gè)復(fù)雜的不確定性問(wèn)題。
[0003] 數(shù)據(jù)挖掘可以從數(shù)據(jù)庫(kù)的大量數(shù)據(jù)中揭示出隱含的、先前未知的并有潛在價(jià)值的 信息的非平凡過(guò)程。數(shù)據(jù)挖掘是一種決策支持過(guò)程，它主要基于人工智能、機(jī)器學(xué)習(xí)、模式 識(shí)別、統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫(kù)、可視化技術(shù)等，高度自動(dòng)化地分析數(shù)據(jù)，做出歸納性的推理，從中挖 掘出潛在的模式，幫助決策者調(diào)整策略，減少風(fēng)險(xiǎn)，做出正確的決策。
[0004]由于影響塔材強(qiáng)度的因素很多，而傳統(tǒng)的評(píng)價(jià)方法需要對(duì)全部評(píng)價(jià)指標(biāo)進(jìn)行計(jì) 算，所以計(jì)算較復(fù)雜，而且可能因?yàn)楦饕蛩貦?quán)重小而造成的嚴(yán)重失真現(xiàn)象或多峰值現(xiàn)象。本 發(fā)明提出一種首先基于粗糙集理論對(duì)指標(biāo)集進(jìn)行約簡(jiǎn)，約簡(jiǎn)后采用數(shù)據(jù)挖掘的方法進(jìn)行塔 材實(shí)際強(qiáng)度計(jì)算的方法。所提方法可以有效的解決了在復(fù)雜自然環(huán)境下長(zhǎng)期運(yùn)行的輸電桿 塔結(jié)構(gòu)安全評(píng)價(jià)問(wèn)題。


【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于：提出一種基于數(shù)據(jù)挖掘的輸電桿塔塔材實(shí)際強(qiáng)度計(jì)算方法， 可為評(píng)估輸電線路鐵塔結(jié)構(gòu)安全提供必要判據(jù)。
[0006] 步驟1 :指標(biāo)集約簡(jiǎn)；
[0007] 步驟2 :數(shù)據(jù)挖掘?qū)W習(xí)集的構(gòu)造；
[0008] 步驟3 :因素集權(quán)重確定；
[0009]步驟4:實(shí)際強(qiáng)度評(píng)估。
[00101」折述步驟1中的指標(biāo)集約簡(jiǎn)，主要對(duì)由氣象區(qū)條件、亞強(qiáng)度損傷、導(dǎo)線應(yīng)力及機(jī) 械振動(dòng)二大類因素構(gòu)成的指標(biāo)集，三類影響因素集表示為U= muj。其中：υι = {uu，Ul2, Uw uH' uls}，Uu為風(fēng)速（最大風(fēng)），Ui2為大氣溫度（最低溫）， Ui3為年平均氣溫， ，為覆冰厚度(最厚覆冰），Ul5為年雷暴日天數(shù)。U2 =仏21，u22, u23, u24, U25, u丄U2I為運(yùn) 行時(shí)間，1?為寫(xiě)曲修復(fù)次數(shù)，U23為裂痕修復(fù)次數(shù)，U24為雷電或故障電流損傷次數(shù)，為重 覆冰疲勞次數(shù)，u 26為平均運(yùn)行應(yīng)力/最大運(yùn)行應(yīng)力。仏={%，％，如，，如為導(dǎo)線分裂 數(shù)，U32為風(fēng)向與線路角，u33為地表面粗糙程度，U34為鋼材銹蝕量。運(yùn)用粗糖集進(jìn)行指標(biāo)集 約簡(jiǎn)，屬性重要度定義為：
[0011] U/R= {{1,7}, {2,4}, {3,6,8}, {5}}
[0012] U/(R-{un}) = {{1,3,5,7,8), {2,4}}
[0013] U/(R-{u12}) = {{1，2, 4, 5, 7}，{3, 6, 8}}
[0014] U/(R-{u13}) = {{1,7}, {2,4}, {3,6,8}, {5}}
[0015] U/(R-{u14}) = {{1,5,7}, {2,4}, {3,6,8}}
[0016] U/(R-{u15}) = {{1,7}, {2,4}, {3,6,8}, {5}}
[0017] U/(R-{u13,u15}) = {{1,7}, {2,4}, {3,6,8}, {5}}
[0018] U/R^ U/(R-{un})
[0019] U/R^ U/(R-{u12})
[0020] U/R 關(guān) U/(R-{u14})
[0021] U/R = U/(R-{u13}) =U/(R-{u15}) = U/(R-{u13, u15})
[0022] 其中R為因素的屬性值的集合。經(jīng)過(guò)屬性重要度約簡(jiǎn)計(jì)算可知指標(biāo)Ui3、u15是冗 余的，同理，分別對(duì)亞強(qiáng)度損傷因素和導(dǎo)線舞動(dòng)及微風(fēng)振動(dòng)因素進(jìn)行屬性重要度約簡(jiǎn)，得到 最終評(píng)價(jià)指標(biāo)為：U = {U" U2, U3}，其中 U! = {un，u12, u14}，u2 = {u21，u22, u23, u24, u25}，u3 = {u31, u32, u33, u34}。
[0023] 所述步驟2中的數(shù)據(jù)挖掘?qū)W習(xí)集的構(gòu)造，采用K-VNN搜索策略，在系統(tǒng)已有的]^組 數(shù)據(jù)中尋找k組最相似的數(shù)據(jù)（k?N)，本發(fā)明提出的桿塔塔材的實(shí)際強(qiáng)度退化率與影響因 素集U呈現(xiàn)非線性關(guān)系：
[0024] n = f (U) + ε (t)
[0025] 其中，Π 為退化率，ε (t)為零均值的白噪聲，f( ·)為未知的非線性函數(shù)。對(duì)于 已經(jīng)存在N組影響因素和退化率的數(shù)據(jù){沖')，(0丨=,在當(dāng)前t時(shí)刻，有影響因素信息u(t)， 采用K-VNN搜索策略，在系統(tǒng)已有的N組數(shù)據(jù)中尋找k組最相似的數(shù)據(jù)（k?N)，具體如下：
[0026] 1、當(dāng)cose (U(i)，u(t))<0,則認(rèn)為此U⑴偏離于當(dāng)前輸入u(t)，不利于建模，丟 棄此數(shù)據(jù)；
[0027] 2、否則，以U(i)與U⑴的指數(shù)核與夾角余弦加權(quán)之和選擇準(zhǔn)則，即
[0028] D(U(i),U(t)) = a . e_d(u(1)-u(t))+(l-α ) · cos β (U(i), U(t))
[0029] 式中：
[0030]

【權(quán)利要求】
1. 一種基于數(shù)據(jù)挖掘的輸電桿塔塔材實(shí)際強(qiáng)度計(jì)算方法，其特征在于：包括如下步 驟： 步驟1 :指標(biāo)集約簡(jiǎn)； 步驟2 :數(shù)據(jù)挖掘?qū)W習(xí)集的構(gòu)造； 步驟3:因素集權(quán)重確定； 步驟4:實(shí)際強(qiáng)度評(píng)估。
2. 根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)挖掘的輸電桿塔塔材實(shí)際強(qiáng)度計(jì)算方法，其 特征在于：所述步驟1中的指標(biāo)集約簡(jiǎn)，主要對(duì)由氣象區(qū)條件、亞強(qiáng)度損傷、導(dǎo)線應(yīng)力及 機(jī)械振動(dòng)三大類因素構(gòu)成的指標(biāo)集，三類影響因素集表示為U= 。其中：1^ = {un，u12, u13, u14, u15}，un為風(fēng)速(最大風(fēng))，u12為大氣溫度(最低溫)，u 13為年平均氣溫， u14為覆冰厚度（最厚覆冰），u15為年雷暴日天數(shù)。U2 = {u21, u22, u23, u24, u25, u26}，u21為運(yùn) 行時(shí)間，U22為彎曲修復(fù)次數(shù),u 23為裂痕修復(fù)次數(shù),u24為雷電或故障電流損傷次數(shù)，u25為重 覆冰疲勞次數(shù)，U 26為平均運(yùn)行應(yīng)力/最大運(yùn)行應(yīng)力。U3 = {u31，u32, u33, u34}，u31為導(dǎo)線分裂 數(shù)，U32為風(fēng)向與線路角，u 33為地表面粗糙程度，u34為鋼材銹蝕量。運(yùn)用粗糙集進(jìn)行指標(biāo)集 約簡(jiǎn)，屬性重要度定義為： U/R = {{1,7}, {2,4}, {3,6,8}, {5}} U/(R-{un}) = {{1,3,5,7,8}, {2,4}} U/(R-{u12}) = {{1,2,4,5,71, {3,6,8}} U/(R-{u13}) = {{1,7}, {2,4}, {3,6,8}, {5}} U/(R-{u14}) = {{1,5,7}, {2,4}, {3,6,8}} U/(R-{u15}) = {{1,7}, {2,4}, {3,6,8}, {5}} U/(R-{u13,u15}) = {{1,7}, {2,4}, {3,6,8}, {5}} U/R^U/(R-{un}) U/R^U/(R-{u12}) U/R^U/(R-{u14}) U/R = U/(R-{u13}) = U/(R-{u15}) = U/(R-{u13，u15}) 其中R為因素的屬性值的集合。經(jīng)過(guò)屬性重要度約簡(jiǎn)計(jì)算可知指標(biāo)u13、u15是冗余 的，同理，分別對(duì)亞強(qiáng)度損傷因素和導(dǎo)線舞動(dòng)及微風(fēng)振動(dòng)因素進(jìn)行屬性重要度約簡(jiǎn)，得到 最終評(píng)價(jià)指標(biāo)為：u = {U!，U2, U3}，其中 U! = {un, u12, u14}，U2 = {u21, u22, u23, u24, u25}，U3 = {U31，U32, U33, U34l。
3. 根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)挖掘的輸電桿塔塔材實(shí)際強(qiáng)度計(jì)算方法，其特 征在于：所述步驟2中的數(shù)據(jù)挖掘?qū)W習(xí)集的構(gòu)造，采用K-VNN搜索策略，在系統(tǒng)已有的N組 數(shù)據(jù)中尋找k組最相似的數(shù)據(jù)k〈〈N，桿塔塔材的實(shí)際強(qiáng)度退化率與影響因素集U呈現(xiàn)非線 性關(guān)系： n = f (υ)+ ε (t) 其中，Π 為退化率，ε⑴為零均值的白噪聲，f(·)為未知的非線性函數(shù)。對(duì)于已經(jīng) 存在N組影響因素和退化率的數(shù)據(jù)，在當(dāng)前t時(shí)刻，有影響因素信息U(t)，采用 K-VNN搜索策略，在系統(tǒng)已有的N組數(shù)據(jù)中尋找k組最相似的數(shù)據(jù)（k〈〈N)，具體如下： 當(dāng)(3〇8@(11(；0，11(1:))〈0，則認(rèn)為此11(；0偏離于當(dāng)前輸入11(1:)，不利于建模，丟棄此數(shù) 據(jù)； 否則，以u(píng)(i)與u(t)的指數(shù)核與夾角余弦加權(quán)之和選擇準(zhǔn)則，即 D(U(i),U(t)) = a . e_d(u(i)>u(t)) + (l-a ) · cos β (U (i), U (t)) 式中：
a為加權(quán)因子。加權(quán)選擇準(zhǔn)則D(U(i)，U(t))直接反映了 U(i)與U(t)的相似性；若 兩個(gè)信息向量越靠近，則(1就越小,并且(3〇8 0也就越大,從而〇(11(1)，11(1:))也就越大。這 樣，在已有的數(shù)據(jù)信息中，選用D( ·)值最大的k組數(shù)據(jù)，按降序排列，構(gòu)造學(xué)習(xí)集： {(U(1), n(i)),···, (u(k), n(k))} D (U (1)，U (t)) >... >D (U (k)，U (t)) ·。
4.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)挖掘的輸電桿塔塔材實(shí)際強(qiáng)度計(jì)算方法，其特 征在于：所述步驟3中的因素集權(quán)重確定可以得到某種因素對(duì)桿塔塔材實(shí)際強(qiáng)度退化率的 影響程度，將不確定性的因素清晰化，桿塔塔材的實(shí)際強(qiáng)度退化率與影響因素集U局部線 性關(guān)系如下： n = fe (u) = υτ θ 其中：θ表示因素集權(quán)重值，τ表示轉(zhuǎn)置。由于當(dāng)前和數(shù)據(jù)是在不同的工作點(diǎn)，符合當(dāng) 前工作點(diǎn)u(t)的數(shù)據(jù)密度可能不一樣，用于建模的數(shù)據(jù)個(gè)數(shù)也是不定的，亦即：建模鄰域 值大小可變，為了獲得最佳的因素集權(quán)重向量θ，同時(shí)減小計(jì)算量，可預(yù)先設(shè)定鄰域的變化 范圍k e [<，kM] (k/ig，在計(jì)算近鄰k+l的因素集權(quán)重向量Θ k+1時(shí)，直接利用近鄰k的因 素集權(quán)重向量Θ,，首先給出一個(gè)錯(cuò)誤函數(shù)，
采用梯度下降法，計(jì)算得到因素集權(quán)重向量如下，
2 丨-"，）=(綱- 9k+l=9k-a^-J{e) = Ol-a[fll{U)-i1)Ui οθ 得到系近鄰k+1的模型θ k+1，同時(shí)，也可以得到近鄰k+ι的去一交叉誤差值： e，kkj = + 式中：表示在k+1組數(shù)據(jù)中，用去掉第j個(gè)數(shù)據(jù)所得到的模型；表示實(shí)際塔材強(qiáng) 度退化率Π (j)與模型得到的預(yù)測(cè)值之間的誤差； 這樣，可以得到近鄰k+Ι的去一交叉誤差集+ 均方和這些，得
式中：加權(quán)因子W
直接反映每個(gè)u(j)的去一交叉誤差對(duì)EltM(k+l) "貢 獻(xiàn)"大小。越靠近U(t)的U(j)，其"貢獻(xiàn)"越大，反之越??；此時(shí)，若 El00(k+l)>El00(k),k+l e [km,kM]. 則認(rèn)為模型"變差"，停止回歸計(jì)算，并以模型Θ k作為系統(tǒng)當(dāng)前時(shí)刻的最佳模型。否則， 按采用梯度下降法得到的模型，從學(xué)習(xí)集中選取出新的信息向量，繼續(xù)迭代，直到k = kM為 止。這樣，可以及時(shí)判斷局部模型的優(yōu)劣，得到符合當(dāng)前時(shí)刻影響因素和退化率關(guān)系的最佳 局部線性模型。
5.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)挖掘的輸電桿塔塔材實(shí)際強(qiáng)度計(jì)算方法，其特 征在于：所述步驟4中的安全評(píng)估，根據(jù)建立的影響因素和退化率關(guān)系的最佳局部線性模 型，計(jì)算塔材實(shí)際強(qiáng)度的退化率，計(jì)算桿塔塔材實(shí)際強(qiáng)度的退化率如下， n (t) == uT(t) θ k〇
【文檔編號(hào)】G06F17/30GK104298706SQ201410424393
【公開(kāi)日】2015年1月21日 申請(qǐng)日期:2014年8月26日 優(yōu)先權(quán)日:2014年8月26日
【發(fā)明者】王曉東, 張樂(lè), 葛樂(lè), 龔燈才, 朱富云, 徐劍峰, 朱衛(wèi), 鞠易, 朱張蓓, 孫玉瑋 申請(qǐng)人:國(guó)家電網(wǎng)公司, 江蘇省電力公司, 江蘇省電力公司南通供電公司