(19)中华 人民共和国 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 202110929129.0 (22)申请日 2021.08.13 (71)申请人 贵州电网有限责任公司 地址 550002 贵州省贵阳市南明区滨河路 17号 (72)发明人 黄欢　张露松　马晓红　杜昊　 张伟　杨旗　 (74)专利代理 机构 贵阳中新专利商标事务所 52100 代理人 胡绪东 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/00(2022.01) G06N 3/12(2006.01) G06N 20/20(2019.01)G06Q 10/04(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种基于GATS-SVM的线路覆冰厚度预测方 法 (57)摘要 本发明公开了一种基于GATS ‑SVM的线路覆 冰厚度预测方法， 该方法包括步骤： (1)获取输电 线路杆塔数据集； (2)使用小波变换算法消除原 始数据的噪音； (3)使用集合经验模态分解算法 对降噪后的数据进行分解； (4)对分解后的各个 数据分量 分别使用GATS ‑SVM进行预测， 得到 各个 数据分量的覆冰厚度预测值； (5)叠加每个分量 的预测值以获得覆冰厚度的预测值。 本发明采用 基于GATS ‑SVM的线路覆冰厚度预测方法,能够充 分发挥各个机器学习算法的优势， 并克服了原始 数据的非线性、 非平稳性问题， 能有效地对线路 覆冰厚度进行 预测。 权利要求书2页 说明书4页 附图2页 CN 114065604 A 2022.02.18 CN 114065604 A 1.一种基于GATS ‑SVM的线路覆冰厚度预测方法， 其特 征在于： 该 方法包括以下步骤： (1)获取输电线路杆塔数据， 获取 杆塔对应经纬度的气象数据； (2)使用小 波变换算法消除步骤(1)中数据的噪音， 同时保留原 始有效数据消息； (3)使用集合经验模态分解算法对降噪后的数据进行分解， 得到多个IM F分量ci(t)和剩 余分量rn； (4)对步骤(3)中处理后的数据进行归一化和初始化， 归一化分量数据并设置进化代数 l的初始值 为0； (5)通过步骤(4)中处理后的数据， 使用遗传算法和禁忌搜索算法为SVM选择最优 的参 数； (6)通过步骤(5)中的遗传算法确定收敛 条件； (7)通过步骤(4)中处理后的数据及步骤(5)(6)得到的参数和收敛条件， 使用SVM回归 模型对IMF分量进行预测， 为各个IMF各自选择最合适的参数和核函数， 并输出每个分量的 预测值； (8)叠加每 个分量的预测值以获得覆冰厚度的预测值。 2.根据权利 要求1所述的一种基于GATS ‑SVM的线路覆冰厚度预测方法， 其特征在于： 步 骤(2)中， 通过小波变换算法， 覆冰数据被分解为近似分量x(t)和细节分量D(t)， 其中x(t) 包含结冰的主 要低频信息， 而D(t)表示信号中的高频噪声。 3.根据权利 要求2所述的一种基于GATS ‑SVM的线路覆冰厚度预测方法， 其特征在于： 步 骤(3)中集合经验模态 分解算法对去噪后的覆冰数据序列x(t)进行分解， 并得到IMF分量ci (t)和剩余分量rn， 添加服从(0， ( α ε )2)正态分布的白噪声序列， 提取覆冰数据序列的极点， 拟合包络线并计算其平均曲线m(t)， 在x(t)减去m(t)之后， 得到一个新的信 号h(t)， 经过k 次筛选后， h(t)满足IMF 条件； 从原始信号中分离出IMF分量h(t)， 并获得剩余分量r(t)， 其中r(t)＝x(t) ‑h(t)， 剩余 分量r(t)用作新的原 始数据； 重复上述 步骤， 获得其 余IMF分量和1个剩余分量。 4.根据权利 要求1所述的一种基于GATS ‑SVM的线路覆冰厚度预测方法， 其特征在于： 步 骤(5)中基于选择概率和选择机制选择个体； 基于交叉概率和交叉算子进 行交叉运算； 基于 概率和禁忌突变算子， 执 行遗传禁忌突变操作。 5.根据权利 要求1所述的一种基于GATS ‑SVM的线路覆冰厚度预测方法， 其特征在于： 步 骤(6)中将步骤(5)中获得的新个体设置为新的种群， 确定收敛条件： 如果进化代数小于最 大迭代次数， 则令l＝l+1并返回步骤(5)； 否则， 中断网络训练， 选择最佳个体， 并跳转到步 骤(7)。 6.根据权利 要求5所述的一种基于GATS ‑SVM的线路覆冰厚度预测方法， 其特征在于： 步 骤(7)中使用置换熵(PE)来捕获每 个IMF分量的复杂性特 征。 7.根据权利 要求3所述的一种基于GATS ‑SVM的线路覆冰厚度预测方法， 其特征在于： 白 噪声的添加模型如下： xi(t)＝x(t)+k ×ni(t) 式中， ni(t)是第i次添加的噪声， xi(t)是第i次添加噪声后的信号， k是比例系数， 添加 的白噪声的标准偏差是信号标准偏差的0.2倍。 8.根据权利 要求6所述的一种基于GATS ‑SVM的线路覆冰厚度预测方法， 其特征在于： 复权　利　要　求　书 1/2 页 2 CN 114065604 A 2杂性特性判断方法： 若某个IMF的P E值大于阈值， 选用具有较高泛化能力和更好处理非线性 序列的径向基核函数， 相反， 若某个IMF的PE值小于阈值， 选用多 项式内核函数。权　利　要　求　书 2/2 页 3 CN 114065604 A 3