本發明涉及電氣工程輸電，特別涉及基于特征提取和woa-wrf的棒-板火焰間隙直流擊穿電壓預測方法及系統。

背景技術：

1、配電網作業環境復雜，設施密集，作業范圍狹小，這些特點給現場作業人員的安全帶來了巨大挑戰。在不停電作業過程中，高強度的電場、暫態電擊和穩態電擊，以及作業過程中對誤操作可能導致的空氣間隙放電，都嚴重威脅著作業人員的安全。因此，不停電作業的安全防護成為確保作業順利實施的關鍵。

2、在電氣工程輸電領域中，輸電線路的安全運行是確保電網穩定運行的重要環節。然而，山火等自然災害對輸電線路構成了嚴重威脅。在山火條件下，火焰橋接輸電線路、高溫促使空氣密度下降以及灰燼或粒子填充空氣間隙等因素，都會顯著降低輸電線路的空氣絕緣水平，進而可能導致空氣間隙擊穿，引發輸電線路跳閘事故。因此，對山火條件下的間隙擊穿電壓進行準確預測，對于預防輸電線路跳閘、確保電網安全穩定運行具有重要意義。

3、目前，間隙擊穿電壓的預測方法主要分為兩大類：基于經驗或半經驗的預測方程式方法和基于智能算法的預測模型方法。

4、基于經驗或半經驗的預測方程式方法，如peek公式及其修正公式，是早期廣泛采用的預測方法。這些方法通過統計和分析大量試驗數據，建立了間隙擊穿電壓與間隙距離、電壓波形、氣壓、濕度等因素之間的數學關系。然而，這類方法通常只能適用于特定條件下的預測，且預測精度受到環境特征和火焰特征等多種因素的影響，難以全面反映山火條件下間隙擊穿電壓的復雜變化。

5、隨著計算機技術和人工智能的發展，基于智能算法的預測模型方法逐漸興起。這類方法利用神經網絡、支持向量機、隨機森林等智能算法，對大量試驗數據進行訓練和學習，以建立間隙擊穿電壓的預測模型。其中，隨機森林算法作為一種集成學習方法，通過構建多個決策樹來提高模型的預測精度和穩定性，在間隙擊穿電壓預測中得到了廣泛應用；然而，現有基于隨機森林的預測模型仍存在一些問題。一方面，模型在訓練過程中容易受到冗余特征或噪聲數據的干擾，導致預測精度下降；另一方面，模型的權重分配通常基于經驗或默認設置，缺乏自適應優化機制，難以適應不同工況下的預測需求。

6、例如cn103678941b公開了一種電極空氣間隙擊穿電壓的預測方法，首先，測量不同結構典型電極空氣間隙的擊穿電壓值，并定義耐受電壓區間和擊穿電壓區間；然后，對不同結構典型電極間隙進行電場計算并提取電場特征量，構建訓練樣本集；接著，基于訓練樣本集構建擊穿電壓預測模型，該擊穿電壓預測模型以電場特征量為輸入、以耐受電壓區間和擊穿電壓區間為輸出；最后，采用擊穿電壓預測模型預測電極空氣間隙的擊穿電壓；但是以上方法針對空氣間隙，并沒有考慮植被火焰間隙情況，植被燃燒不僅為放電提供大量帶電粒子，而且會影響間隙電場分布；直流電壓會影響帶電粒子運動，進而影響燃燒和空間溫度分布，這些都會對間隙擊穿發展過程造成極大影響，需要對其特征量進行選取；另外相關專利提出的預測模型有的不適用于小樣本，有的對核函數和懲罰系數依賴性較強，易出現過擬合的情況；需要針對火焰間隙多特征、非線性、小樣本的數據特點提出針對性的智能預測算法。

7、為了克服現有技術的局限性，提高間隙擊穿電壓預測的準確性和適應性，本發明提出了一種基于特征提取和鯨魚優化-加權隨機森林（woa-wrf）算法的棒-板火焰間隙直流擊穿電壓預測方法。該方法通過提取與擊穿電壓強相關的特征因素，如燃燒特征、空間溫度、泄漏電流、電場特征等，來構建預測模型；同時，利用鯨魚優化算法對加權隨機森林模型的權重進行自適應尋優，以提高模型的預測精度和適應能力。這一創新方法有望為山火條件下輸電線路的安全運行提供更加可靠的技術支持。

技術實現思路

1、本發明所要解決的技術問題是，提供基于特征提取和woa-wrf的棒-板火焰間隙直流擊穿電壓預測方法，解決電氣工程輸電領域中，特別是在山火條件下輸電線路棒-板火焰間隙直流擊穿電壓預測不準確的問題。

2、為了解決上述技術問題，本發明采用的技術方案為：基于特征提取和woa-wrf的棒-板火焰間隙直流擊穿電壓預測方法，包括以下步驟：

3、step1：搭建試驗平臺，開展火焰條件下的棒-板間隙擊穿試驗，獲取典型木垛尺寸、間隙距離、不同正負極性特征下的擊穿電壓，并記錄對應的泄漏電流、環境因素等特征；

4、step2：建立間隙擊穿仿真，通過多物理場耦合的方法，建立與所述step1中試驗相對應的間隙擊穿仿真，獲取空間溫度、電場強度等難以直接試驗獲取的特征參量；

5、step3：剔除冗余特征，量化不同特征參量對擊穿電壓的影響程度，剔除與擊穿電壓不相關或弱相關的冗余特征；

6、step4：特征提取，從試驗數據中提取與棒-板火焰間隙直流擊穿電壓強相關的特征因素；

7、step5：構建鯨魚優化-加權隨機森林算法模型，利用鯨魚優化算法對加權隨機森林模型的權重進行自適應尋優，得到優化后的加權隨機森林模型；

8、step6：預測模型應用，將提取的特征因素輸入到優化后的加權隨機森林模型中，得到棒-板火焰間隙直流擊穿電壓的預測值。

9、優選的方案中，所述step2中的具體實施過程是，木垛燃燒過程中主要可燃成分為纖維素，木垛燃燒過后反應生成大量碳氫化合物，熱解化學反應過程產生大量熱，在高熱量作用下碳氫化合物與空氣中其他物質發生電離反應，生成大量電子與正電粒子，設置棒電極與木垛間的距離，棒電極半徑和長度，木垛的半徑和高度，進行模型幾何結構仿真，通過仿真獲取對應的電場分布和空間溫度。

10、優選的方案中，所述step3的具體方法為，分析輸入向量特征對預測結果的影響，采用相關系數法，去除與擊穿電壓不相關與弱相關的特征參量，依據以下公式計算各特征參量對于擊穿電壓的pearson系數，去除相關度較低的冗余特征，以提高預測精度。

11、進一步的，所述step4中特征因素包括燃燒特征、空間溫度、泄漏電流和電場特征，燃燒特征包括火焰高度、火焰寬度和火焰顏色。

12、進一步的，所述step4實施方法是，考慮火焰條件下火焰橋接情況、電場分布特征、放電及發展通道的因素，提取燃燒特征、空間溫度、泄漏電流、電場特征與擊穿電壓相關的特征參量，并定義相關特征的計算方式，具體實施步驟包括：

13、step4.1：選用最短路徑上的空間溫度、泄露電流等特征來表征火焰間隙擊穿情況，提取的特征參量；

14、step4.2：輸入的特征量均從一個火焰振蕩周期內進行取值，火焰環境特征值的具體定義包括：火焰根部溫度、最高溫度和平均溫度；棒電極附近溫度、最高溫度和平均溫度；棒-板間隙距離、火焰最大高度；泄漏電流為，泄漏電流穩定階段的平均值、最大值、標準差，泄漏電流脈動因素；電極周圍場強，其最大場強為，平均場強：放電通道場強，其最大場強為，平均場強，能量密度。

15、優選的方案中，所述step5中，鯨魚優化算法的具體過程包括：初始化鯨魚種群、鯨魚搜索過程和判斷終止條件，最終輸出最優解作為加權隨機森林模型的權重，所述step5的具體實施步驟包括：

16、step5.1：對樣本數據進行預處理，包括特征參量降維、數據歸一化、打亂樣本排序等，以提高模型的泛化能力和準確性；

17、step5.2：進行樣本抽取、參數選擇和模型訓練，采用bootstrap重抽樣的方式對個訓練樣本進行（）次有放回的隨機抽樣，形成個互有差異的樣本子集，每個子集基于均方誤差的單獨構建決策樹，并且在分裂中隨機從個特征中選取（）個特征訓練二叉樹cart，初始階段，取，取，模型預測結果為所有決策樹預測電壓的均值，以未被抽取到的袋外數據oob作為輸入，計算oob誤差以測試模型性能，多次改變決策樹數或特征參量的數量，直至oob誤差不再明顯變化；

18、step5.3：隨機森林通過隨機抽樣和隨機選取特征，利用特征參量的相關程度構建加權的決策樹，并結合鯨魚算法woa對每棵決策樹的權重進行自適應調整，不斷改變鯨魚位置，即決策樹權重，再通過搜索、包圍、捕食行為逼近獵物，即最優解，直至模型的適應度沒有明顯改善；鯨魚以螺旋形式前進，不斷更新鯨魚的位置，循環迭代直至捕獲獵物；

19、step5.4：建立預測模型時，為提升模型的預測精度和運算速率，對特征數據進行處理，選擇pearson相關系數法進行特征參量的選擇，將篩選后的特征參量進行歸一化處理；

20、step5.5：選擇隨機森林回歸算法中典型的性能評價指標，采用均方根誤差、決定系數、平均絕對百分比誤差對模型性能進行總體的表征和評估。

21、優選的方案中，所述step6中預測模型的應用，還包括預測模型準確性的驗證，通過對比預測值與實際測量值，以評估預測模型的性能。

22、優選的方案中，所述方法進一步考慮火焰的動態特性對擊穿電壓的影響，在特征提取step1中增加提取火焰動態特征，即火焰跳動頻率和火焰蔓延速度。

23、優選的方案中，所述火焰動態特征被作為附加特征因素與靜態特征因素一起輸入到鯨魚優化-加權隨機森林算法模型中進行預測。

24、用于實現上述任意一項所述基于特征提取和woa-wrf的棒-板火焰間隙直流擊穿電壓預測方法的系統，包括：

25、特征提取模塊，用于從試驗數據中提取與棒-板火焰間隙直流擊穿電壓強相關的特征因素；

26、模型構建模塊，用于構建鯨魚優化-加權隨機森林算法模型，并利用鯨魚優化算法對加權隨機森林模型的權重進行自適應尋優；

27、預測模塊，用于將提取的特征因素輸入到優化后的加權隨機森林模型中，得到棒-板火焰間隙直流擊穿電壓的預測值；

28、驗證模塊，用于驗證預測模型的準確性，通過對比預測值與實際測量值，評估預測模型的性能。

29、本發明提供的基于特征提取和woa-wrf的棒-板火焰間隙直流擊穿電壓預測方法及系統，有如下有益效果：

30、1、本發明解決了電氣工程輸電領域中，特別是在山火條件下輸電線路棒-板火焰間隙直流擊穿電壓預測不準確的問題；

31、2、本發明的間隙擊穿電壓預測上超越了現有技術，通過特征因素提取，不僅考慮了傳統因素如空間溫度、泄漏電流、電場特征，更創新性地納入了燃燒特征，包括燃燒速率、火焰溫度等，及其與電場的相互作用，這一舉措使預測模型更全面、準確，避免了單變量預測的局限性，為輸電線路的安全運行提供了有力保障，更全面地表征不同工況下輸電線路火焰間隙擊穿的情況，避免了單變量或少數變量預測時的局限性；

32、3、本發明的預測方法創新考慮了火焰條件下的間隙擊穿多特征、非線性、小樣本的數據特點，提出了基于鯨魚優化-加權隨機森林的預測方法，實現了對多特征、非線性數據的準確處理；

33、4、本發明依據隨機森林的特點，分析并量化特征參量與擊穿電壓的相關程度，以存在差異的加權決策樹來預測擊穿電壓，避免預測模型出現過擬合的情況，通過鯨魚算法對權重進行自適應尋優，進一步提高模型預測的準確度；

34、5、本發明結合隨機森林和鯨魚算法的優勢，擊穿電壓預測模型具備高準確度，魯棒性好，模型能夠在不同工況下保持穩定性能，泛化能力強，模型能夠適用于多種不同情況的數據；

35、6、本發明采用的特征提取，提取了與擊穿電壓強相關的多種特征參量，相比以往基于單變量或少數變量的預測方法更全面；

36、7、本發明先進的預測模型，加權隨機森林與鯨魚算法結合，建立了準確度高、魯棒性好、泛化能力強的擊穿電壓預測模型，實現了對多特征、非線性數據的準確處理；

37、8、本發明試驗與仿真結合，通過搭建試驗平臺和建立仿真模型，獲取豐富的試驗和仿真數據，為模型訓練和驗證提供了可靠的基礎；

38、9、本發明有效解決了小樣本數據下的預測問題，實現了對棒-板火焰間隙直流擊穿電壓的準確預測；

39、10、本發明適用范圍廣，用于不同工況下的輸電線路間隙擊穿預測，擴大了預測模型的適用范圍；

40、11、本發明為輸電線路運行策略的調整提供了可靠的預測依據，有助于保護輸電線路外絕緣和減少跳閘事故；

41、12、本發明在電氣工程輸電領域中具有顯著的創新性和應用價值，特別是在山火條件下輸電線路棒-板火焰間隙直流擊穿電壓的預測方面，提供了更為準確、可靠的解決方案。