一种融合气象与地形因子的混合卷积神经网络(CNN)-双向长短期记忆网络(BiLSTM)模型用于输电线路覆冰厚度预测

《Frontiers in Environmental Science》:A hybrid CNN-BiLSTM model integrating meteorological and topographic factors for transmission line ice thickness prediction

【字体: 大 中 小 】 时间:2026年07月24日 来源:Frontiers in Environmental Science 4.4

编辑推荐:

  输电线路覆冰威胁电网可靠运行,使得短期覆冰厚度预测对于防灾与运行规划至关重要。研究人员开发了一种滞后融合(Late-fusion)CNN-BiLSTM回归框架,用于中国浙江湖州500 kV长妙5P01输电线路廊道未来一小时覆冰厚度预测。研究人员将24小时历史气

  
输电线路覆冰威胁电网可靠运行,使得短期覆冰厚度预测对于防灾与运行规划至关重要。研究人员开发了一种滞后融合(Late-fusion)CNN-BiLSTM回归框架,用于中国浙江湖州500 kV长妙5P01输电线路廊道未来一小时覆冰厚度预测。研究人员将24小时历史气象序列通过一维(1D)卷积层和BiLSTM处理,且不使用预测边界后的观测值;位置特定的静态地形描述符仅在线性回归前与所得边界表示进行拼接。该研究使用了2348条连续小时记录。输入包括温度、相对湿度、大气压力、降水及风分量,连同高程、坡度和坡向;覆冰厚度以毫米(mm)计量。在相同的时间顺序训练/测试协议下,所提出的配置产生了比选定的独立CNN、长短期记忆网络(LSTM)和BiLSTM基线配置更低的测试误差。结果支持了地形描述符对所研究的亚热带丘陵廊道的预测效用,但未确立因果效应或更广泛的地理普适性。
输电线路作为电力输送的关键通道,广泛分布于复杂地形中,冬季覆冰已成为威胁其运行完整性的主要自然灾害。覆冰增加导线重量、降低绝缘性能,可引发舞动、断线及倒塔等严重事故,导致大面积停电及社会经济损失。因此,准确预测覆冰厚度对防灾减灾极具现实意义。传统物理模型如Makkonen模型虽基于热力学平衡建立,但受限于山区气象站稀疏及风速测量误差导致的预测偏差放大;早期数据驱动方法虽有所发展,但多数侧重于优化、分解或注意力机制,对于廊道级覆冰预测中气象序列与非时序位置特定地形描述符的融合研究尚显不足。针对此,研究人员提出了一种滞后融合(Late-fusion)CNN-BiLSTM框架,结合1D-CNN提取局部时空通道特征与BiLSTM编码历史窗口内依赖,并在回归层前融合静态地形因子,以解决亚热带丘陵输电廊道的连续覆冰厚度回归问题。该论文发表于《Frontiers in Environmental Science》。
研究人员主要采用的关键技术方法如下:研究数据源于中国浙江省湖州市气象局提供的500 kV长妙5P01输电廊道微气象与覆冰记录,含2348条连续小时级样本。方法上构建了24小时历史气象窗口(温度、湿度、气压、降水、风分量经正弦余弦转换避免不连续)及静态地形向量(高程、坡度、坡向来自90 m分辨率数字高程模型DEM)。预处理采用时间顺序划分(80%训练,20%测试)及仅基于训练集拟合的最小最大归一化(Min-Max Scaling)以防泄露。模型架构为两层1D卷积层接BiLSTM层处理气象时序,输出128维边界上下文向量,与3维地形向量拼接后入线性回归层输出毫米级覆冰厚度。训练采用丢弃率(Dropout)0.2、早停法(Patience=7)及相同超参数对照组(CNN、LSTM、BiLSTM、Makkonen)比较,评估指标为均方根误差(RMSE)、平均绝对误差(MAE)和决定系数(R2)。
研究结果
4.1 Time-window sensitivity analysis:研究人员通过对比T=6、12、24、48小时的历史窗口长度,发现24小时配置在该数据集与模型配置下取得了最高的R2(0.9430)及最低的RMSE(0.3418 mm)与MAE(0.1425 mm),更长窗口未改善指标,故确定24步为适宜尺度。
4.2 Training loss curves:研究中加入Dropout=0.2减少过拟合,最大训练50轮(Epoch),验证集损失早停耐心值7轮。结果显示验证损失约于25轮稳定,约32轮触发早停,训练与验证损失无持续发散,表明优化过程稳定。
4.3 Scatter plot visualization:在时序划分的训练与测试集散点图中,测试集R2=0.9430,RMSE=0.3418 mm,多数点靠近1:1一致性线,表明模型捕捉了评估时段内覆冰厚度的主要变异,但因滑动窗口重叠,指标解释为连续时序预测表现。
4.4 Comparison of different feature sets:通过渐进消融实验,仅用气象变量基准RMSE为0.5234 mm,依次加入高程、坡度至完整地形描述符后,RMSE降至0.3418 mm,相对降低34.70%。结果表明地形描述符对该廊道预测具增量关联价值,但非独立因果贡献。
4.5 Model comparison:在相同协议下重复10次随机初始化,提出模型均值R2=0.9430±0.0042,RMSE=0.3418±0.0118 mm,MAE=0.1425±0.0084 mm,优于Makkonen(R2=0.6215)、独立1D-CNN(0.7152)、LSTM(0.7841)及BiLSTM(0.8324)。代表性30小时段轨迹显示提出模型较基线更贴近实测变化。
4.6 Engineering risk-threshold reference:参照GB/T 35706–2017及当地背景给出湖州0–5、5–10、10–15、15–20 mm工程参考分区图,非模型空间输出。因数据集仅覆盖0–5 mm,未验证5 mm以上性能,仅作监测点预测值比对工程阈值之参考。
讨论与结论翻译
研究人员在讨论与结论中指出,本工作提出了一种滞后融合(Late-fusion)CNN-BiLSTM混合框架,系统性整合多元气象时间序列与静态地形描述符以预测架空输电线路覆冰厚度。关键结论如下:提出的滞后融合架构结合两层一维(1D)卷积层进行局部时间通道特征提取及封闭24小时历史窗口内的BiLSTM编码,所得128维边界上下文在线性回归前与位置特定地形向量拼接。在所述时间划分与通用比较协议下,提出配置达平均R2 0.9430、RMSE 0.3418 mm及MAE 0.1425 mm,优于所述Makkonen、1D-CNN、LSTM及BiLSTM基线。渐进消融表明,对该研究廊道而言,加入高程、坡度与坡向与更低预测误差相关,此发现为测试特征顺序内增量预测关联,非识别因果地形机制。工程阈值图提供预测值解释参考,但当前0–5 mm数据集未验证5 mm以上模型表现。本研究限于单一亚热带丘陵输电廊道、单一冬季观测数据集及90 m DEM地形表征;未来工作应跨多廊道、季节与气候设置评估框架,纳入更高分辨率地形与局地气流信息,并考察导线与结构参数对更广工程适用性的贡献。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号