摘要
本发明适用于电网安全技术领域,提供了一种基于输电线图像和微气象的覆冰厚度预测方法,所述方法包括:获取设定历史周期内的输电线图片序列,输入至训练好的深度学习模型中,识别得到与所述输电线图片序列对应的覆冰厚度序列;将所述覆冰厚度序列输入至训练好的第一BP神经网络模型中,输出得到待预测时刻的覆冰厚度值A;分别获取预设时间段内和待预测时刻的输电线路处的微气象数据,将所述微气象数据输入已训练好的第二BP神经网络模型中,输出待预测时刻的覆冰厚度值B;以覆冰厚度值A和覆冰厚度值B的平均值作为待预测时刻的覆冰厚度,本发明能够综合利用气象数据和历史覆冰情况,减少预测误差,提高预测结果的可靠性。
技术关键词
BP神经网络模型
厚度预测方法
输电线覆冰厚度
气象
深度学习模型
序列
节点
图片
时间段
数据
样本
线路
预测系统
预测误差
周期
图像
识别模块
标签
系统为您推荐了相关专利信息
风电预测方法
气象
风力发电机
LSTM模型
关键字
特征点
拼接方法
深度学习模型训练
激光雷达点云数据
拼接算法
传送带
垃圾破袋装置
支持向量机分类方法
Dijkstra算法
卷积神经网络模型
预报方法
地形特征
训练深度学习模型
数据收集模块
历史气象数据
空调负荷预测
节能方法
历史负荷数据
梯度提升决策树
长短期记忆网络