摘要：為了提高對麋鹿自然保護(hù)區(qū)強對流天氣事件預(yù)測的準(zhǔn)確性與響應(yīng)的時效性，文章研究一套基于機(jī)器學(xué)習(xí)的輸電走廊強對流臨近預(yù)警系統(tǒng)，該系統(tǒng)不僅能實時監(jiān)測并預(yù)測強對流天氣，還能準(zhǔn)確評估其對輸電走廊的潛在影響。在強對流預(yù)警技術(shù)方面，提出一套算法實現(xiàn)流程，包括預(yù)警方法的選擇和時間序列數(shù)據(jù)的分析，并且通過實際算例驗證了所提方法的有效性。

關(guān)鍵詞：機(jī)器學(xué)習(xí)；輸電走廊；強對流預(yù)警；時間序列分析

中圖分類號：TN99" " " "文獻(xiàn)標(biāo)識碼：A" " " 文章編號：1674-0688（2024）06-0117-04

0 引言

隨著全球氣候變化的加劇，強對流天氣事件的頻繁發(fā)生對輸電網(wǎng)絡(luò)的安全、穩(wěn)定運行構(gòu)成了嚴(yán)峻的挑戰(zhàn)。這些天氣事件可能會導(dǎo)致輸電線路故障，甚至引發(fā)大范圍的電力中斷，影響社會經(jīng)濟(jì)活動和人們的日常生活。因此，開發(fā)一套高效、準(zhǔn)確的輸電走廊強對流臨近預(yù)警系統(tǒng)是確保電力系統(tǒng)可靠的關(guān)鍵。近年來，基于機(jī)器學(xué)習(xí)的輸電走廊強對流臨近預(yù)警技術(shù)受到了廣泛關(guān)注。孫世軍等［1］的研究結(jié)合卷積與池化操作以及CL（Chui-Lian）多小波融合方法，在實現(xiàn)數(shù)據(jù)特征識別的同時提高物理信息量，并且使用交叉相關(guān)算法有效追蹤圖像，算法的預(yù)測精度高達(dá)93.64%，這一成果不僅提高了強對流天氣預(yù)警的準(zhǔn)確性，也為后續(xù)研究提供了新的思路。杜娜娜等［2］從電力走廊的實時監(jiān)測出發(fā)，采用機(jī)載激光雷達(dá)點云和攝像機(jī)影像融合的方法，建立三維點云與二維影像之間的映射關(guān)系，提高了電力線安全巡檢的效率和精度，該研究展示了技術(shù)融合在電力行業(yè)的巨大應(yīng)用潛力，對提升輸電走廊的監(jiān)測能力具有重要意義。宋宇等［3］關(guān)注輸電走廊海量點云數(shù)據(jù)對實時三維顯示的需求，提出一種改進(jìn)的多層次細(xì)節(jié)結(jié)構(gòu)（LOD）高效生成方法，通過自適應(yīng)采樣及快速分塊處理，在保證視覺效果的前提下，使數(shù)據(jù)處理速度提高20%以上，這一成果為應(yīng)對海量數(shù)據(jù)處理的挑戰(zhàn)提供了一種有效的解決方案。本文提出一套基于機(jī)器學(xué)習(xí)的輸電走廊強對流臨近預(yù)警系統(tǒng)，結(jié)合機(jī)器學(xué)習(xí)技術(shù)，設(shè)計出一套高效的預(yù)警算法，通過精細(xì)化的數(shù)據(jù)篩選和清洗技術(shù)，以及引入時間序列分析，提高預(yù)警系統(tǒng)的準(zhǔn)確性和響應(yīng)速度。本研究旨在提出一個綜合性解決方案，為電網(wǎng)運營商提供有力的決策支持工具，確保麋鹿自然保護(hù)區(qū)電力系統(tǒng)穩(wěn)定、可靠地運行。

1 算法設(shè)計

1.1 數(shù)據(jù)選取及預(yù)處理

利用美國國家大氣研究中心研發(fā)的雷達(dá)四維變分分析系統(tǒng)（VDRAS）進(jìn)行實時數(shù)據(jù)分析，并基于這些數(shù)據(jù)構(gòu)建特征，采用支持向量機(jī)（SVM）算法進(jìn)行數(shù)據(jù)訓(xùn)練和預(yù)測。通過分析重要的物理量確定關(guān)鍵數(shù)據(jù)特征，包括相對濕度、風(fēng)切變等，進(jìn)而有效地預(yù)警輸電走廊中的強對流天氣［4］。鑒于輸電走廊中強對流天氣的復(fù)雜性和多變性，利用分塊劃分策略，選取每個方塊內(nèi)的最大值作為模型的輸入數(shù)據(jù)，以降低數(shù)據(jù)的冗余性，降低計算量，提高處理速度。

數(shù)據(jù)預(yù)處理涵蓋了數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)準(zhǔn)化、特征選擇等多個環(huán)節(jié)。數(shù)據(jù)清洗主要進(jìn)行缺失值處理、異常值剔除；數(shù)據(jù)標(biāo)準(zhǔn)化能消除不同數(shù)據(jù)源的數(shù)據(jù)量綱和數(shù)量級存在的差異；特征選擇是選取對預(yù)測模型貢獻(xiàn)最大的特征集合，以提高模型的訓(xùn)練效率和預(yù)測的準(zhǔn)確度。

在數(shù)據(jù)預(yù)處理中，差分和歸一化是常用的處理時間序列數(shù)據(jù)和改善模型性能的方法。其中，差分用于消除時間序列數(shù)據(jù)趨勢和季節(jié)性，假設(shè)有一個時間序列[Xt]，其差分值的計算公式如下：

在輸電走廊強對流臨近預(yù)警的背景下，該模型能夠更準(zhǔn)確地識別不同類型的對流天氣狀態(tài)，提高預(yù)警系統(tǒng)的可靠性和效果。

2 強對流預(yù)警技術(shù)

2.1 算法實現(xiàn)

受大氣監(jiān)測系統(tǒng)觀測精度的限制，強對流天氣的近距離預(yù)警面臨一定的挑戰(zhàn)，影響因素包括以下幾點：①強對流事件在很短的時間范圍內(nèi)引發(fā)劇烈的非線性動力變化；②現(xiàn)有的技術(shù)難以對濕潤空氣動態(tài)進(jìn)行細(xì)致觀察；③對初期氣象數(shù)據(jù)進(jìn)行精確評估和預(yù)警存在困難。為了應(yīng)對這些問題，本文提出一種基于CL多小波技術(shù)的數(shù)據(jù)融合方法，此方法通過結(jié)合紅外和可見光信道，將強對流天氣的特征信息集成到預(yù)測模型中，并且通過擴(kuò)大樣本容量提升預(yù)測模型的準(zhǔn)確度。

數(shù)據(jù)融合的技術(shù)策略是利用紅外信道的低頻數(shù)據(jù)保留基礎(chǔ)的紅外信息，同時從紅外和可見光信道中挑選高頻圖像，經(jīng)過處理后生成包含豐富低頻信息的新圖像。根據(jù)實驗反饋，應(yīng)用小波融合技術(shù)將目標(biāo)特征與樣本數(shù)據(jù)進(jìn)行融合，可為強對流天氣預(yù)警提供更細(xì)致、全面的數(shù)據(jù)支持。

2.2 預(yù)警方法

預(yù)警方法用于深度識別和分析云頂特性及大氣動態(tài)變化，細(xì)致地處理和分析來自不同波段的衛(wèi)星數(shù)據(jù)。通過機(jī)器學(xué)習(xí)算法，識別潛在的強對流天氣模式，并利用小波技術(shù)提高數(shù)據(jù)的時空分辨率，從而更準(zhǔn)確地預(yù)測強對流事件的發(fā)生。表1為衛(wèi)星數(shù)據(jù)特征及其預(yù)警價值。

2.3 時間序列分析

在分析云層運動路徑時，應(yīng)用交叉相關(guān)技術(shù)處理圖像跟蹤問題，將觀察區(qū)域分割成一系列小單元，對每一時刻之間的圖像單元進(jìn)行配對比對，通過確定最大的相關(guān)度數(shù)值追蹤和計算云團(tuán)在不同時間點的移動方向和速度。交叉相關(guān)的函數(shù)公式如下：

[R（τx，τy）=∑x，y[f（x，y）×g（x+τx，y+τy）]]" （8）

其中：[f（x，y）、g（x，y）]分別是2個圖像區(qū)域的像素強度函數(shù)；[τx、τy]分別代表在x和y方向上的位移（或偏移）量，用于探索2個圖像區(qū)域之間的最佳匹配位置。

3 算例分析

本研究以麋鹿自然保護(hù)區(qū)的強對流氣象數(shù)據(jù)為樣本進(jìn)行實驗。為了全面了解該保護(hù)區(qū)近幾年的強對流天氣狀況，本文對2020—2023年的強對流活動數(shù)據(jù)進(jìn)行篩選和統(tǒng)計。鑒于強對流天氣主要在春末夏初、盛夏及夏末秋初出現(xiàn)，麋鹿自然保護(hù)區(qū)5月至9月的強對流活動占全年的80%以上，因此選擇2020—2023年中，5月至9月的數(shù)據(jù)進(jìn)行深入分析。由于小波融合算法對環(huán)境有特殊要求，因此選取光照條件優(yōu)良的區(qū)域作為實驗樣本。

對選取的氣象數(shù)據(jù)集進(jìn)行逐項分析后發(fā)現(xiàn)，雖然每年強降水極值發(fā)生的位置都不同，但是極值位置主要集中在保護(hù)區(qū)的南部邊界。2020—2023年，保護(hù)區(qū)南部邊界附近共記錄5次全省年短時降水極值，顯示一定的集中趨勢。從短時強降水的歷史極值看，麋鹿自然保護(hù)區(qū)短時強降水的平均極值為95 mm/h，其中2022年7月15日記錄到了4年中最高的短時強降水，降水量高達(dá)130.4 mm/h；其次是2021年6月22日在保護(hù)區(qū)北部記錄的短時強降水，降水量為120.5 mm/h；最低記錄為2020年保護(hù)區(qū)東側(cè)，降水量為65.3 mm/h。

采用本文設(shè)計的模型模擬2023年5月21日發(fā)生在麋鹿自然保護(hù)區(qū)內(nèi)的強對流活動，選取以下3種典型的試驗情形進(jìn)行分析：①保護(hù)區(qū)西部發(fā)生的小面積強對流風(fēng)暴；②保護(hù)區(qū)與鄰近森林交界處發(fā)生的明顯強對流天氣；③保護(hù)區(qū)東北部發(fā)生的強對流天氣。本文方法對上述3種情況均能準(zhǔn)確地預(yù)測。但是，在第3種情況中，未能檢測到預(yù)期中的發(fā)射率較高的積云，經(jīng)數(shù)據(jù)分析，推斷其原因是小波融合差值過程中產(chǎn)生誤差。損失函數(shù)驗證見表2。

表2中，MLTW-Net在使用Logistic數(shù)據(jù)分類和平滑L1損失函數(shù)時，表現(xiàn)出更高的預(yù)測準(zhǔn)確率（94.7%）；相比之下，F(xiàn)S-TW-Model在使用Softmax數(shù)據(jù)分類和平滑L1損失函數(shù)時，預(yù)警準(zhǔn)確率略低（90.3%）。

本文方法與其他方法的檢測識別精度比較分析見表3。從表3中可以明顯看出，相較于AlexNet、ResNet50和Xception方法，本文方法在F1值、召回率和精確率方面均顯示出更優(yōu)的性能，說明其在強對流預(yù)警領(lǐng)域具有較高潛力和實用性。

4 結(jié)語

本文通過深入分析和應(yīng)用先進(jìn)的數(shù)據(jù)處理、目標(biāo)識別和時間序列分析方法，成功地構(gòu)建了一套能夠準(zhǔn)確預(yù)測強對流天氣事件的預(yù)警系統(tǒng)。本研究的核心在于開發(fā)一種融合多源數(shù)據(jù)處理與深度學(xué)習(xí)技術(shù)的預(yù)警模型，該模型能有效地從復(fù)雜的氣象數(shù)據(jù)中提取關(guān)鍵特征，進(jìn)而準(zhǔn)確預(yù)測強對流天氣事件的發(fā)生。本文方法不僅能準(zhǔn)確地理解和預(yù)測強對流天氣事件，還提出了一種高效的數(shù)據(jù)處理流程，顯著提升了對即將到來的強對流天氣的響應(yīng)能力。總之，本研究通過算法和數(shù)據(jù)處理技術(shù)的創(chuàng)新，有效地提升了輸電走廊強對流臨近預(yù)警技術(shù)的性能，對電力系統(tǒng)的穩(wěn)定運行和防災(zāi)減災(zāi)工作具有重要的現(xiàn)實意義。

5 參考文獻(xiàn)

［1］孫世軍，朱坤雙，韓洪.基于機(jī)器學(xué)習(xí)的輸電走廊強對流臨近預(yù)警技術(shù)［J］.電子設(shè)計工程，2023，31（11）：75-78，83.

［2］杜娜娜，李祿磊，趙東洋.基于激光雷達(dá)點云與單目相機(jī)的輸電走廊實時監(jiān)測方案［J］.電工技術(shù)，2023（10）：143-146.

［3］宋宇，王成，王濮，等.輸電走廊場景激光點云LOD生成方法研究［J］.電工技術(shù)，2023（7）：100-103.

［4］胡偉，王和平，劉成強，等.基于多時相點云數(shù)據(jù)的輸電走廊地物變化檢測［J］.機(jī)械設(shè)計與制造工程，2022，51（12）：84-87.

［5］黃然，方正云，馬御棠，等.基于變化檢測的輸電走廊外力破壞隱患區(qū)域識別［J］.航天返回與遙感，2022，43（3）：138-148.

*國網(wǎng)江蘇省電力有限公司鹽城市大豐區(qū)供電分公司2023年自然保護(hù)區(qū)輸電走廊麋鹿活動統(tǒng)計數(shù)據(jù)治理服務(wù)“自然保護(hù)區(qū)麋鹿活動統(tǒng)計數(shù)據(jù)治理”（SGJSYCDFDQJS2310374）。

【作者簡介】姚卿卿，女，江蘇大豐人，工程師，研究方向：輸變電線路通道保護(hù)。

【引用本文】姚卿卿.基于機(jī)器學(xué)習(xí)的輸電走廊強對流臨近預(yù)警技術(shù)研究［J］.企業(yè)科技與發(fā)展，2024（6）：117-119，128.