绝缘子金属附件腐蚀电荷量预测方法技术

本发明专利技术公开了一种绝缘子金属附件腐蚀电荷量预测方法，从在线监测系统中获取数据，对获取的数据进行缺失值处理，得到连续数据；把金属附件腐蚀电荷量和特征量从连续数据中提取出来；运用神经网络算法对金属附件腐蚀电荷量和特征量进行处理；运用时间序列分析法对金属附件腐蚀电荷量进行处理；将神经网络短时金属附件腐蚀电荷量预测的结果与时间序列短时金属附件腐蚀电荷量预测的结果对比，得到短时金属附件腐蚀电荷量预测的结果；最后根据短时金属附件腐蚀电荷量预测的结果对绝缘子的运行状态进行评估，根据年均金属附件腐蚀电荷量预测的结果，对绝缘子的金属附件保护装置进行设计，解决绝缘子保护装置寿命减少和浪费材料的问题。

Prediction method for corrosion charge of metal accessories of insulators

The invention discloses a prediction method for insulator metal accessory corrosion charge, get data from the on-line monitoring system, to obtain data with missing values, get the continuous data; the metal accessories corrosion charge and the extracted features from continuous data; using neural network algorithm for metal corrosion annex charge the amount and characteristics of processing; by using the time series analysis of metal corrosion annex charge method; comparison of prediction neural network short-term corrosion metal accessories charge results and the time series short-term corrosion of metal accessories load forecast results, get the short-term forecast charge the corrosion of metal accessories; finally, according to the prediction of short term corrosion of metal accessories the amount of charge the running state of the insulator is evaluated according to the predicted annual charge amount of corrosion of metal accessories As a result, the metal accessory protection device of insulator is designed to solve the problem of less life and waste material of insulator protection device.

【技术实现步骤摘要】
绝缘子金属附件腐蚀电荷量预测方法
本专利技术涉及特高压直流输电
，尤其涉及绝缘子金属附件腐蚀电荷量预测方法。
技术介绍
近年来,我国高压直流输电技术发展迅速,但随之也带来了一些问题，在涉及高压直流绝缘子的
，多条高压直流输电线路上的玻璃和瓷绝缘子出现了大面积的金属附件腐蚀现象。绝缘子金属附件腐蚀主要分为钢脚腐蚀和铁帽腐蚀两种。钢脚腐蚀会直接造成绝缘子机械强度的下降，同时，腐蚀产物会导致钢脚与水泥之间产生一个比较大的应力，进而导致绝缘子的损坏；而铁帽腐蚀则会造成绝缘子上出现由腐蚀物造成的锈迹通道，该锈迹通道能够加速污秽的积累。金属附件腐蚀严重时，还会造成绝缘子脱落等问题，进而影响输电线路的安全运行。为了保护绝缘子金属附件不受腐蚀，目前最行之有效的方法是在绝缘子上加装锌制保护装置。然而，锌制保护装置一般都是依据经验值进行设计的，即年均腐蚀电荷量低于1500℃的地区保护锌套设计为4mm厚时，该锌套使用寿命为30年。但是实际年均腐蚀电荷量一般随时间的变化而出现变动，这就会造成锌套实际寿命短于设计寿命或者锌套材料浪费的情况出现。
技术实现思路
本专利技术提供了一种绝缘子金属附件腐蚀电荷量预测方法，以解决绝缘子保护装置寿命减少和浪费材料的问题。本专利技术的实施例提供了一种绝缘子金属附件腐蚀电荷量预测方法，所述方法包括：从绝缘子金属附件腐蚀电荷量在线监测系统中获取数据；对所述数据进行缺失值处理，得到连续数据；对所述连续数据进行金属附件腐蚀电荷量的提取和特征量的提取，得到所述金属附件腐蚀电荷量和所述特征量，所述特征量包括：相对湿度、温差和降雨情况；将所述金属附件腐蚀电荷量和所述特征量通过神经网络算法的处理，得到神经网络短时金属附件腐蚀电荷量预测的结果；将所述金属附件腐蚀电荷量通过时间序列分析法的处理，得到时间序列短时金属附件腐蚀电荷量预测的结果和年均金属附件腐蚀电荷量预测的结果；将所述神经网络短时金属附件腐蚀电荷量预测的结果与所述时间序列短时金属附件腐蚀电荷量预测的结果进行对比，得到短时金属附件腐蚀电荷量预测的结果。优选地，所述将所述金属附件腐蚀电荷量和所述特征量通过神经网络算法的处理，得到神经网络短时金属附件腐蚀电荷量预测的结果的过程中，所述神经网络算法包括：将所述特征量作为变量，将所述金属附件腐蚀电荷量作为因变量，建立神经网络模型；将所述特征量和所述金属附件腐蚀电荷量进行归一化处理，得到处理后的数据；将所述处理后的数据进行分类，得到训练数据和测试数据；将所述训练数据输入所述神经网络模型中，得到测试金属附件腐蚀电荷量；将所述测试数据中的金属附件腐蚀电荷量与所述测试金属附件腐蚀电荷量相减，得到差值；将所述差值与预设范围比较，得到标准模型；根据所述标准模型，对所述神经网络短时金属附件腐蚀电荷量进行预测，得到神经网络短时金属附件腐蚀电荷量预测的结果。优选地，所述将所述差值与预设范围比较，包括：判断所述差值是否在所述预设范围内；如果所述差值在所述预设范围内，则所述神经网络模型为所述标准模型；如果所述差值不在所述预设范围内，则对所述神经网络模型进行修订后得到所述标准模型。优选地，所述将所述金属附件腐蚀电荷量通过时间序列分析法的处理，得到时间序列短时金属附件腐蚀电荷量预测的结果和年均金属附件腐蚀电荷量预测的结果的过程中，所述时间序列分析法包括：将所述金属附件腐蚀电荷量按照时间顺序排列，建立时间序列；测定季节变化对所述时间序列的影响，得到季节变化影响因子；根据所述季节变化影响因子，对所述时间序列进行修订，得到消除影响后的时间序列和所述金属附件腐蚀电荷量随时间变化的变化曲线；将所述消除影响后的时间序列与所述变化曲线进行拟合；计算拟合后的所述时间序列的周期波动幅度和周期长度；根据所述周期波动幅度和所述周期长度对所述时间序列短时金属附件腐蚀电荷量和所述年均金属附件腐蚀电荷量进行预测，得到时间序列短时金属附件腐蚀电荷量预测的结果和年均金属附件腐蚀电荷量预测的结果。优选地，所述将所述神经网络短时金属附件腐蚀电荷量预测的结果与所述时间序列短时金属附件腐蚀电荷量预测的结果进行对比，得到短时金属附件腐蚀电荷量预测的结果的过程中，所述对比的方法，包括：如果所述神经网络短时金属附件腐蚀电荷量预测的结果与所述时间序列短时金属附件腐蚀电荷量预测的结果相同，则将所述相同的结果作为所述短时金属附件腐蚀电荷量预测的结果；如果所述神经网络短时金属附件腐蚀电荷量预测的结果大于所述时间序列短时金属附件腐蚀电荷量预测的结果，则将所述神经网络短时金属附件腐蚀电荷量预测的结果作为所述短时金属附件腐蚀电荷量预测的结果；如果所述神经网络短时金属附件腐蚀电荷量预测的结果小于所述时间序列短时金属附件腐蚀电荷量预测的结果，则将所述时间序列短时金属附件腐蚀电荷量预测的结果作为所述短时金属附件腐蚀电荷量预测的结果。优选地，所述方法还包括：在所述将所述神经网络短时金属附件腐蚀电荷量预测的结果与所述时间序列短时金属附件腐蚀电荷量预测的结果进行对比，得到短时金属附件腐蚀电荷量预测的结果之后，所述方法还包括：根据所述短时金属附件腐蚀电荷量预测的结果，对所述绝缘子的运行状态进行评估。优选地，在所述将所述金属附件腐蚀电荷量通过时间序列分析法的处理，得到时间序列短时金属附件腐蚀电荷量预测的结果和年均金属附件腐蚀电荷量预测的结果之后，所述方法还包括：根据所述年均金属附件腐蚀电荷量预测的结果，对所述绝缘子的金属附件保护装置进行设计。优选地，所述对数据进行缺失值处理的方法为就近插值法。由以上技术方案可知，本专利技术实施例提供了一种绝缘子金属附件腐蚀电荷量预测方法，先从绝缘子金属附件腐蚀电荷量在线监测系统中获取数据，对获取的数据进行缺失值处理，使数据具有连续性；把金属附件腐蚀电荷量和特征量从连续数据中提取出来；运用神经网络算法对金属附件腐蚀电荷量和特征量进行处理，得到神经网络短时金属附件腐蚀电荷量预测的结果；运用时间序列分析法对金属附件腐蚀电荷量进行处理，得到时间序列短时金属附件腐蚀电荷量预测的结果和年均金属附件腐蚀电荷量预测的结果；再将神经网络短时金属附件腐蚀电荷量预测的结果与时间序列短时金属附件腐蚀电荷量预测的结果对比，得到短时金属附件腐蚀电荷量预测的结果；最后根据短时金属附件腐蚀电荷量预测的结果对绝缘子的运行状态进行评估，根据年均金属附件腐蚀电荷量预测的结果，对绝缘子的金属附件保护装置进行设计，解决绝缘子保护装置寿命减少和浪费材料的问题。附图说明为了更清楚地说明本专利技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为根据一优选实施例提供的绝缘子金属附件腐蚀电荷量预测方法的流程图；图2为根据一优选实施例提供的神经网络算法的流程图；图3为根据一优选实施例提供的时间序列分析法的流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所述，为本专利技术实施例提供的本文档来自技高网...

【技术保护点】
一种绝缘子金属附件腐蚀电荷量预测方法，其特征在于，所述方法包括：从绝缘子金属附件腐蚀电荷量在线监测系统中获取数据；对所述数据进行缺失值处理，得到连续数据；对所述连续数据进行金属附件腐蚀电荷量的提取和特征量的提取，得到所述金属附件腐蚀电荷量和所述特征量；将所述金属附件腐蚀电荷量和所述特征量通过神经网络算法的处理，得到神经网络短时金属附件腐蚀电荷量预测的结果；将所述金属附件腐蚀电荷量通过时间序列分析法的处理，得到时间序列短时金属附件腐蚀电荷量预测的结果和年均金属附件腐蚀电荷量预测的结果；将所述神经网络短时金属附件腐蚀电荷量预测的结果与所述时间序列短时金属附件腐蚀电荷量预测的结果进行对比，得到短时金属附件腐蚀电荷量预测的结果。

【技术特征摘要】
1.一种绝缘子金属附件腐蚀电荷量预测方法，其特征在于，所述方法包括：从绝缘子金属附件腐蚀电荷量在线监测系统中获取数据；对所述数据进行缺失值处理，得到连续数据；对所述连续数据进行金属附件腐蚀电荷量的提取和特征量的提取，得到所述金属附件腐蚀电荷量和所述特征量；将所述金属附件腐蚀电荷量和所述特征量通过神经网络算法的处理，得到神经网络短时金属附件腐蚀电荷量预测的结果；将所述金属附件腐蚀电荷量通过时间序列分析法的处理，得到时间序列短时金属附件腐蚀电荷量预测的结果和年均金属附件腐蚀电荷量预测的结果；将所述神经网络短时金属附件腐蚀电荷量预测的结果与所述时间序列短时金属附件腐蚀电荷量预测的结果进行对比，得到短时金属附件腐蚀电荷量预测的结果。2.根据权利要求1所述的方法，其特征在于，所述将所述金属附件腐蚀电荷量和所述特征量通过神经网络算法的处理，得到神经网络短时金属附件腐蚀电荷量预测的结果的过程中，所述神经网络算法包括：将所述特征量作为变量，将所述金属附件腐蚀电荷量作为因变量，建立神经网络模型；将所述特征量和所述金属附件腐蚀电荷量进行归一化处理，得到处理后的数据；将所述处理后的数据进行分类，得到训练数据和测试数据；将所述训练数据输入所述神经网络模型中，得到测试金属附件腐蚀电荷量；将所述测试数据中的金属附件腐蚀电荷量与所述测试金属附件腐蚀电荷量相减，得到差值；将所述差值与预设范围比较，得到标准模型；根据所述标准模型，对所述神经网络短时金属附件腐蚀电荷量进行预测，得到神经网络短时金属附件腐蚀电荷量预测的结果。3.根据权利要求2所述的方法，其特征在于，所述将所述差值与预设范围比较，包括：判断所述差值是否在所述预设范围内；如果所述差值在所述预设范围内，则所述神经网络模型为所述标准模型；如果所述差值不在所述预设范围内，则对所述神经网络模型进行修订后得到所述标准模型。4.根据权利要求1所述的方法，其特征在于，所述将所述金属附件腐蚀电荷量通过时间序列分析法的处理，得到时间序列短时金属附件腐蚀电荷量预测的结果和年均金属附件腐蚀电荷量预测的结果的过程中，所述时间序列分析法包括：将所述金属附件腐蚀电荷量按照时间顺序排列，建立时间序列；测定季节变化对所述...

【专利技术属性】
技术研发人员：王黎明，郭晨鋆，李旭，颜冰，杨代铭，梅红伟，龙俊飞，宋文波，夏治侃，
申请(专利权)人：云南电网有限责任公司电力科学研究院，清华大学深圳研究生院，
类型：发明
国别省市：云南,53