具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

如图1所示，本实施例提供一种架空输电线路微气象监测装置高维构建及补全方法，包括如下步骤：

S1、分析微气象的地域性及时序性特征，并读取沿输电线路分布安装的微气象监测装置布点的地理经纬度信息。

输电线路挂接的微气象监测装置可对安装点周边的环境温度、湿度、风速、风向、雨量、光辐射、大气压等信息进行实时监测，并以10min/次的采集频率将信息传输至集中控制器进行监控。微气象监测数据的地域性及时序性特征是指微气象监测布点所记录的气象数值因地理位置的不同呈现出一定的气象变化差异。地理位置相近的微气象监测装置会呈现近似的趋势性、时序相关性，其微气象监测信息在未来同一时间段会呈现近似的增长、趋同或下降特性，且不同的气象信息如气温、日照强度的数据规律存在潜在的时序关联耦合性；而地理位置相距较远的微气象监测装置，其监测信息会呈现不同的季节周期性、随机性，在相同时间段内同一监测数值的分布规律差异大，且容易受到局部微地形的影响进而呈现一定的随机性。

S2、采用模糊C均值聚类算法对微气象监测装置进行基于经纬度二维信息的聚类分析，将空间地理距离相近的微气象监测装置划分为同一类。

步骤S2包括步骤S201-S206：

S201、设n个微气象监测装置布点的经纬度构成集合X＝{x₁，x₂，...x_i...，x_n}，其中x_i为由地理经纬度数值构成的2维列向量，预基于模糊C均值聚类算法将n个微气象监测装置划分为t类，设每一类经纬度的聚类中心为C＝{c₁，c₂，...c_j...，c_t}，模糊C均值聚类算法通过最小化如下的目标函数J实现聚类划分：

其中：u_ij为第i个微气象监测装置被划分为第j类的隶属度；m为算法模糊系数。利用模糊C均值聚类算法进行划分的步骤如下：

S202、初始化算法参数，包括停止阈值ε，模糊系数m，迭代终止次数T，随机化聚类中心C₀及隶属度矩阵U₀。

S203、算法隶属度归一化条件检查：

S204、依据下面2个式子依次更新聚类中心C以及隶属度U：

其中：d_ij＝||x_i-c_j||，d_ik＝||x_i-c_k||，||||代表欧式距离计算。

S205、以目标函数满足J(U，C)＜ε或达到最大迭代次数T作为算法终止判据，并输出微气象监测装置的划分结果，若2个判据都不满足，则返回步骤S204。

S206，模糊C均值聚类算法通过迭代计算C及U以最小化目标函数，进而完成微气象监测装置的空间划分。

S3、读取划分为同一类的微气象监测装置的监测信息，依据微气象监测装置布点数量、统计天数及时间区段构建3维缺失张量，并基于低秩张量补全算法实现微气象监测装置的缺失值填补。

步骤S3包括步骤S301-S309：

S301、微气象监测装置采集的信息为统计日期逐10min的气象监控数据，其包括统计天数及时间区段二个维度，又根据步骤S2可得微气象监测装置的空间划分结果，故可对被划分为同一类的监测装置进行缺失值填补，此时得到了监测装置布点数量的第三个维度。据此可构建微气象监测数据的三维缺失张量。

S302，设三维的缺失张量其中n₁代表地理空间划分相近的一类微气象监测装置布点数量，n₂代表获取的统计天数，n₃代表微气象监测装置一天的时间区段数量，此张量中的元素代表该微气象监测装置所采集的气象数据，并将观测到的非空元素对应的索引记为(i，j，k)∈Ω。

S303、设定一个与同样大小的张量其元素值限定为(0，1)两个值，且满足如下条件：

S304、列写张量补全算法的目标函数及其约束条件：

其中：为原张量的估计值；均为大小为n₁×n₂×n₃的3维张量；矩阵是在模态1下的张量展开，其大小为n₁×(n₂×n₃)；同理，矩阵是在模态2下的张量展开，矩阵是在模态3下的张量展开；α₁，α₂，α₃为目标函数的加权因子，其满足α₁+α₂+α₃＝1的约束。

S305、预设算法的加权因子缩放比例系数ρ和最大迭代数K。

S306、初始化估计张量其满足如下约束：

S307、设定算法中间变量其为三维全零张量。

S308、依据下面3个式子依次更新张量估计张量及中间变量

其中：fold_q()为运算子，表示将矩阵还原成张量；为运算子，表示对矩阵进行奇异值分解。

S309，以算法迭代次数作为终止判据。若算法迭代次数小于K，则返回步骤S308，若算法迭代次数等于K，则停止运算，输出缺失值补全后的估计张量

S4、计算同一类微气象监测装置在相同时间区段内的微气象信息包络线，进而实现区域微气象监测历史同期的保守性预警；

步骤S4具体包括步骤S401-S402：

S401、根据步骤S3中得到微气象监测信息填补后的完整数值，可将其按微气象监测装置的统计天数顺序排列。

S402、当要对历史同期的微气象区域进行评估时，可计算被划分为同一区域的微气象监测装置在相同时刻的气象参数最小值，并依据最小值形成包络线作为该区域的保守性预警值。

以下结合具体实施例和附图对上述方法进行详细解释说明。

这里是按照时间顺序(日期顺序，1月1日，1月2日，1月3日…)排列，这是监测装置记录信息的自然时序。要按时间顺序自然排列的目的是：时间日期相近的气象监测数据具有相似性，这里算法利用到了相邻日期的监测数值，进而对缺失值进行填补。历史同期的微气象数据直接调用同一个日期进行分析即可(比如这里填补了2020年1月1日的微气象数据，那么2021年1月1日的数据就可以根据2020年历史同期进行评估)。

以某区域156个微气象监测装置为研究对象展开分析。首先读取沿输电线路分布安装的156个微气象监测装置布点的地理经纬度信息，对地理经纬度信息进行z-scores归一化，形成经纬度构成集合X＝{x₁，x₂，...x_i...，x_n}，然后基于模糊C均值聚类算法构建目标函数：

并设定算法的模糊系数m＝1、停止阈值ε＝0.001，迭代终止次数T＝100，经过多次尝试，当聚类划分为5类时所得结果最优，其划分结果的散点图见附图2，微气象装置空间划分类别及个数见表1。

表1微气象装置空间划分结果

微气象监测装置采集的信息为统计日期逐10min的气象监控数据，其包括统计天数及时间区段2个维度，又根据表1可得微气象监测装置的空间划分结果，故可对被划分为同一类的监测装置进行缺失值填补，此时得到了监测装置布点数量的第3个维度。据此可构建微气象监测数据的3维缺失张量。

以微气象装置的A类划分结果为例，为了验证所提方法的有效性，人为挑选出该区域A类30个微气象监测信息均无缺失的气温数据集用作算例分析。设3维的缺失张量其中n₁代表地理空间划分相近的一类微气象监测装置布点数量，此处A类有30个，即n₁＝30；n₂代表获取的统计天数，取某年七月份无缺失气温数据集为待填补的对象，可得n₂＝31；n₃代表微气象监测装置一天的时间区段数量，此元素代表该微气象监测装置所采集的气温数据，而微气象监测装置采集的信息为统计日期逐10min的气象监控数据，故24h的监测时间区段为n₃＝144。

通过程序设定随机缺失元素，其具体做法为：设定一个与同样大小的张量其元素值限定为(0，1)两个值，且满足如下条件：

此处设定案例数据集分别随机缺失30％、60％、90％的情景进行验证。

然后列写张量补全算法的目标函数及其约束条件，并预设算法的加权因子缩放比例系数ρ＝0.01和最大迭代数K＝1000。

此案例采用均方根误差(RMSE)和平均相对误差(MRE)两个指标对误差进行评价，微气象监测装置的填补评价结果见表2。

表2不同缺失率情景下的迭代次数及填补误差

由表2可知，所提方法在应对30％及60％缺失率的情景下，其RMSE均不超过1.5，且其MRE亦低于0.05。而当缺失率达到90％时，所提方法的RMSE为2.9709，MRE为0.0979，其结果仍具有一定的参考价值。对填补结果进行可视化展示，30％、60％、90％缺失率情景下的对比可见附图3～图5；30％、60％、90％缺失率情景下收敛结果可见附图6～图8。

得到微气象监测信息填补后的完整数值，可将其按微气象监测装置的统计天数顺序排列。当要对历史同期的微气象区域进行评估时，可计算被划分为同一区域的微气象监测装置在相同时刻的气象参数最小值，并依据最小值形成包络线作为该区域的保守性预警值。需要说明的是，依据微气象监测信息不同，得到的填补效果会有所差异，此时说明该微气象监测信息的时空关联性较弱，而本发明实施例的出发点是依据微气象监测信息的时空相关性，对信息错漏的微气象监测信息进行缺失值填补，本发明实施例不适用于时空关联性较弱的场景。

综上所述，本发明实施例的方法，相对于现有技术，具有如下有益效果：

(1)本实施例方法分析了电力系统输电线路微气象监测装置所采集的气象数据具有高维时空相关性，并提出可利用张量算法对其进行建模分析，张量算法可挖掘高维度数组之间的耦合性，为缺失值的填补提供更多潜在信息，进而提高填补的准确性。

(2)本实施例提出可利用微气象监测装置布点的地理经纬度进行聚类划分，从而对输电走廊区域微气象信息的空间维度进行表征，为后续3维缺失张量的构建提供分类信息。

(3)本实施例提出可基于微气象监测装置布点数量、统计天数及时间区段构建3维缺失张量，并据此利用低秩张量补全算法进行缺失值填补。电力系统其他领域的电力参数(如电流值)也可据此逻辑进行缺失值填补，其关键是构建维度在3维或3维以上的张量。

(4)本实施例提出可利用微气象监测装置的空间划分结果进行区域微气象信息的历史同期保守性预警，填补完全的微气象信息可供电力系统架空输电线路规划运行、气象建模、灾后分析提供决策支持。

本实施例还提供一种微气象监测装置高维构建及补全系统，包括：

信息获取模块，用于获取微气象监测装置布点的地理经纬度信息，分析微气象的地域性及时序性特征；

信息聚类模块，用于根据地理经纬度信息对微气象监测装置进行基于经纬度二维信息的聚类分析，将空间地理距离相近的微气象监测装置划分为同一类；

数据填补模块，用于获取划分为同一类的微气象监测装置的监测信息，根据监测信息构建三维缺失张量，根据三维缺失张量和低秩张量补全算法实现对微气象监测装置的缺失值填补；

其中，三维缺失张量的维度包括微气象监测装置布点数量、统计天数及时间区段。

本实施例的一种微气象监测装置高维构建及补全系统，可执行本发明方法实施例所提供的一种微气象监测装置高维构建及补全方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。

本实施例还提供一种微气象监测装置高维构建及补全装置，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现图1所示的方法。

本实施例的一种微气象监测装置高维构建及补全装置，可执行本发明方法实施例所提供的一种微气象监测装置高维构建及补全方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。

本申请实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。

本实施例还提供了一种存储介质，存储有可执行本发明方法实施例所提供的一种微气象监测装置高维构建及补全方法的指令或程序，当运行该指令或程序时，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。

在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。

此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于上述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。