(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210996217.7 (22)申请日 2022.08.19 (71)申请人 国网江苏省电力有限公司苏州供电 分公司 地址 215004 江苏省苏州市姑苏区劳动路 555号 (72)发明人 谢智敏　童充　石一峰　龚烈锋　 詹若培　石旭江　吴堃铭　周瑜　 冯家欢　 (74)专利代理 机构 北京智绘未来专利代理事务 所(普通合伙) 11689 专利代理师 张红莲 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01)G06K 9/62(2022.01) G06N 3/00(2006.01) (54)发明名称 一种基于支持向量机的输电线路雷击预警 方法及系统 (57)摘要 本发明提出了一种基于支持向量机的输电 线路雷击预警方法及系统， 包括： 对输电线路划 分区域网格， 采集气象历史数据与雷电历史数 据； 对采集到的气象历史数据和雷电历史数据进 行预处理， 得到归一化后的样本数据； 利用蚁群 算法优化支持向量机参数， 将归一化后的样本数 据输入至支持向量机进行训练， 建立全局最优的 预测模型； 对待预测的输电线路划分区域网格并 实时采集气象数据， 输入至全局最优的预测模型 进行不同区域网格的雷电预测， 计算输电线路受 雷击后的严重程度并发出预警信息。 本发明能够 实现网格划分下不同区域的雷电预 警， 避免输电 线路受雷击后的所造成的经济损失， 且预测的准 确性较高， 计算速度较快， 可以有效提高电网的 主动防雷效率。 权利要求书4页 说明书10页 附图4页 CN 115099531 A 2022.09.23 CN 115099531 A 1.一种基于支持向量机的输电线路雷击预警方法， 其特征在于， 所述输电线路雷击预 警方法包括以下步骤： 步骤1， 对输电线路划分区域网格， 采集气象历史数据与雷电历史数据； 步骤2， 对采集到的气象历史数据和雷电历史数据进行预处理， 得到归一化后的样本数 据； 步骤3， 利用蚁群算法优化支持向量机参数， 将归一化后的样本数据输入至支持向量机 进行训练， 建立全局最优的预测模型； 步骤4， 对待预测的输电线路划分区域网格并实时采集气象数据， 输入至全局最优的预 测模型进行不同区域网格的雷电预测， 计算输电线路受雷击后的严重程度并发出预警信 息。 2.根据权利要求1所述的基于支持向量机的输电线路雷击预警方法， 其特 征在于： 所述步骤1中， 划分区域网格方式为： 以5km* 5km的区域划分为 一个网格。 3.根据权利要求1或2所述的基于支持向量机的输电线路雷击预警方法， 其特 征在于： 所述步骤1中， 采集的气象历史数据包括温度、 湿度、 反射率、 高度和云冰数据； 雷电历 史数据包括雷电极性、 雷电经纬度和雷电时间。 4.根据权利要求1所述的基于支持向量机的输电线路雷击预警方法， 其特 征在于： 所述步骤2中对 采集到的气象历史数据和雷电历史数据进行 预处理还包括： 步骤2‑1， 清除重复的数据； 步骤2‑2， 通过埃尔米特插值对缺失的数据进行平 滑处理； 步骤2‑3， 对各类别历史数据的对应值进行归一化处理， 得到各类别历史数据归一化后 的样本数据值。 5.根据权利要求 4所述的基于支持向量机的输电线路雷击预警方法， 其特 征在于： 所述步骤2‑2中， 埃尔米特插值公式为： 其中： 式中，H(x)为插值多项式， 和 分别为第一插值中间项和第二插值中间项， n为节点 总个数， 节点指 插值中的数据点， 将节点数据作为横坐标， 节点数据的对应值作为纵坐标 为横坐标， 为纵坐标，xi、xj分别表示第i、 j 个节点数据， yi为第i个节点数据的对应值， i、 j 的取值范围为[1,n]， 和 分别为 和yi的导数。 6.根据权利要求 4所述的一种基于支持向量机的输电线路雷击预警方法， 其特 征在于：权　利　要　求　书 1/4 页 2 CN 115099531 A 2所述步骤2 ‑3中， 对各类别历史数据的对应值分别进行归一化处理， 得到各类别历史数 据对应的归一 化后的样本数据值， 对数据进行归一 化处理的方式为： 其中，ymax为样本数据最大值， ymin为样本数据最小值， y*为归一化后的样本数据值。 7.根据权利要求1所述的一种基于支持向量机的输电线路雷击预警方法， 其特 征在于： 所述步骤3还包括： 步骤3‑1， 初始化支持向量机参数惩罚因子 c和核函数参数 g； 步骤3‑2， 利用归一 化后的样本数据对支持向量机进行训练； 步骤3‑3， 设置最大迭代次数， 利用蚁群算法对惩罚因子 c和核函数参数 g进行全局寻 优； 步骤3‑4， 判断是否达到最大迭代次数， 若达到最大迭代次数则结束寻优， 得到全局最 优的预测模型， 否则进入步骤3 ‑5； 步骤3‑5， 返回步骤3 ‑1， 继续进行寻优， 最终得到最优的惩罚因子 c、核函数参数 g和目 标函数最优值构成全局最优的预测模型。 8.根据权利要求7 所述的一种基于支持向量机的输电线路雷击预警方法， 其特 征在于： 所述步骤3‑2还包括： 步骤3‑2‑1， 构建分类决策函数 ： 其中， ,i=1,2,…,n，mi是第i个特征向量， ni是mi对应的类标 记， ，di为拉格朗日乘子， e为截距； 若ni=1， 则说明对 mi的分类准确， ni=‑1 则说明对 mi的分类错 误； 步骤3‑2‑2， 构建的分类决策函数的核函数 ； 具体的， 核函数 的表达式为： 其中，mc为核函数的中心； 步骤3‑2‑3， 将步骤2得到的归一化后的样本数据输入构建的支持向量机， 优化分类边 界， 得到预测输出向量 zi*。 9.根据权利要求7 所述的一种基于支持向量机的输电线路雷击预警方法， 其特 征在于：权　利　要　求　书 2/4 页 3 CN 115099531 A 3