一种基于气象预测的输电线路最大载流量概率密度分布评估方法技术

本发明专利技术涉及一种基于气象预测的输电线路最大载流量概率密度分布评估方法，首先获取选定地区输电线路附近的历史气象数据；接着将历时气象数据分成训练样本和测试样本，所述测试样本用来比较预测精度，所述训练样本用来分析数据规律；采用EMD‑PSO‑KELM对环境温度、风速和日照强度的历史数据进行学习并进行预测，得到多个预测的温度、风速、日照强度；最后将多个预测的温度、风速、日照强度代入到热平衡方程，得到一系列的输电线路最大载流量数据，并计算出输电线路载流量的概率密度，拟合概率密度分布曲线。本发明专利技术通过对输电线路周围的历史气象数据的分析和预测，结合热平衡方程建立输电线路载流量概率密度分布，为评估线路动态载流能力提供参考。

A Method for Evaluating Probability Density Distribution of Maximum Carrier Flow of Transmission Lines Based on Meteorological Prediction

The present invention relates to a method for estimating probability density distribution of maximum carrying capacity of transmission lines based on Meteorological prediction. Firstly, historical meteorological data near transmission lines in selected areas are obtained. Then, diachronic meteorological data are divided into training samples and testing samples, which are used to compare the prediction accuracy. To analyze the law of data; use EMD PSO KELM to study and forecast the historical data of environmental temperature, wind speed and sunshine intensity, and get a number of predicted temperature, wind speed and sunshine intensity; at last, substitute several predicted temperature, wind speed and sunshine intensity into the heat balance equation, and get a series of transmission lines. The probability density of carrying capacity of transmission line is calculated and the probability density distribution curve is fitted. By analyzing and forecasting the historical meteorological data around the transmission line and combining with the heat balance equation, the probability density distribution of the carrying capacity of the transmission line is established, which provides a reference for evaluating the dynamic carrying capacity of the transmission line.

【技术实现步骤摘要】
一种基于气象预测的输电线路最大载流量概率密度分布评估方法
本专利技术涉及输电线路输送载流领域，特别是一种基于气象预测的输电线路最大载流量概率密度分布评估方法。
技术介绍
当电力工业蓬勃发展时，人们对电力需求的增长速度远高于输电基础设施发展的速度，当前的许多输电线路已经从稳定限制转变为热限制。传统上，输电线路的传输容量定义是根据设计要求，即在严酷环境条件下计算出来的最大恒定载流量，以满足电网的安全可靠运行，但未能充分挖掘输电线路的输电潜力。导线处于最高允许温度工作状态下，若其电流能使线路吸热与散热达到平衡，此时的电流值即为最大允许载流量。最大允许载流量主要受气象因素和线路本身因素影响。气象因素主要包括了环境温度、风速和日照强度等，上述因素对热平衡方程有重要影响，从而对导线的载流量产生直接的影响，因此，在对输电线路的载流量进行计算时，不同的国家都采用一定的气候边界条件来评估最大允许载流量。在中国对输电线路的载流量进行验算时，主要的参考规范是《110～500kV架空送电线路设计技术规范》，对于材质为钢芯铝合金与钢芯铝绞的导线，它们的最高允许温度值规定为70℃；对于环境温度的取值，一般是选取在全年温度最高的月份中的最高平均气温值；0.5m/s是风速取值；日照强度取值为1000W/m2。这个条件过于苛刻，实际气象条件可能并不如上述严峻，从而使得导线最大载流量过于保守，不利于电力系统的经济运行，不利于合理评估导线的动态载流能力。
技术实现思路
有鉴于此，本专利技术的目的是提出一种基于气象预测的输电线路最大载流量概率密度分布评估方法，通过对输电线路周围的历史气象数据的分析和预测，结合热平衡方程建立输电线路载流量概率密度分布，为评估线路动态载流能力提供参考，有利于合理评估导线的动态载流能力。本专利技术采用以下方案实现：一种基于气象预测的输电线路最大载流量概率密度分布评估方法，具体包括以下步骤：步骤S1：获取选定地区输电线路附近的历史气象数据；所述历史气象数据包括环境温度、风速和日照强度；步骤S2：将历时气象数据分成训练样本和测试样本，所述测试样本用来比较预测精度，所述训练样本用来分析数据规律；采用EMD-PSO-KELM对环境温度、风速和日照强度的历史数据进行学习并进行预测，得到多个预测的温度、风速、日照强度；步骤S3：将多个预测的温度、风速、日照强度代入到热平衡方程，得到一系列的输电线路最大载流量数据，并计算出输电线路载流量的概率密度，拟合概率密度分布曲线。进一步地，步骤S2中，采用EMD-PSO-KELM对环境温度、风速和日照强度的历史数据进行学习并进行预测具体包括以下步骤：步骤S21：将训练样本经过经验模态分解方法EMD(EmpiricalModeDecomposition)分解成5个固有模态函数IMF(IntrinsicModeFunction)分量的叠加，其中，IMF1-IMF5分量的频率依次递减；步骤S22：用核极限学习机KELM(KernelExtremeLearningMachine)分别对步骤S21得到的各个分量进行预测与重构；步骤S23：采用粒子群优化算法PSO(ParticleSwarmOptimization)优化核极限学习机KELM中的惩罚因子和核参数，并将惩罚因子和核参数作为粒子群的优化变量，以核极限学习机KELM输出的误差最小的预测均方根作为粒子群的适应度；步骤S24：交替重复步骤S22和步骤S23，输出多个环境温度、日照、风速的预测结果，并输出最优参数；其中，最优参数为惩罚因子与核参数。较佳的，计算最大载流量的公式有很多，目前常用的有IEEE2006-738标准、《110kV-750kV架空输电线路设计规范》、摩尔根公式。其基本原理都来自热平衡方程，即当导线处于热平衡状态时，其吸热功率与放热功率相等，由此，所述热平衡方程为：I2R(TC)+WS＝WR+WF；式中，WS为日照吸热功率；WR为辐射散热功率；WF为对流散热功率；TC为导线温度；R(TC)为温度时导线交流电阻；I为导线载流量。其中，辐射散热公式WR为：式中，D为导线直径；ε为导线辐射散热系数，取值区间为[0.9,0.95]；θa、θp分别为导线环境温度和最大允许温度。其中，对流散热功率WF为：式中，vw为风速；ρ为空气密度；μ为空气动态粘度；kf为空气热传导率；ka为风向因子。其中，日照吸热功率WS为：WS＝αJD；式中，α为导线表面吸热系数，光亮新线取0.35-0.46，旧线或涂黑色防腐剂线取0.9-0.92；J为日光对导线的日照强度。其中，交流电阻值为：式中，R(Thigh)是温度为Thigh时的导线交流电阻；R(Tlow)是温度为Tlow时的导线交流电阻。由经验值可得，当选取Thigh为75℃，Tlow为25℃温度下导线的电阻值与实际的电阻值之间的误差是可以忽略的。与现有技术相比，本专利技术有以下有益效果：本专利技术基于优化组合核极限学习机对输电线路的历史气象数据进行学习并预测，并结合温度、风速、日照预测数据与热平衡方程，对输电线路载流量进行概率分析，有利于合理评估输电线路的动态载流能力。附图说明图1为本专利技术实施例的EMD-PSO-KELM温度预测结果示意图。图2为本专利技术实施例的最大载流量概率密度分布示意图。具体实施方式下面结合附图及实施例对本专利技术做进一步说明。应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。本实施例提供了一种基于气象预测的输电线路最大载流量概率密度分布评估方法，具体包括以下步骤：步骤S1：获取选定地区输电线路附近的历史气象数据；所述历史气象数据包括环境温度、风速和日照强度；步骤S2：将历时气象数据分成训练样本和测试样本，所述测试样本用来比较预测精度，所述训练样本用来分析数据规律；采用EMD-PSO-KELM对环境温度、风速和日照强度的历史数据进行学习并进行预测，得到多个预测的温度、风速、日照强度；其中，以温度为例，图1为EMD-PSO-KELM温度预测结果示意图。步骤S3：将多个预测的温度、风速、日照强度代入到热平衡方程，得到一系列的输电线路最大载流量数据，并计算出输电线路载流量的概率密度，拟合概率密度分布曲线，如图2所示。在本实施例中，步骤S2中，采用EMD-PSO-KELM对环境温度、风速和日照强度的历史数据进行学习并进行预测具体包括以下步骤：步骤S21：将训练样本经过经验模态分解方法EMD(EmpiricalModeDecomposition)分解成5个固有模态函数IMF(IntrinsicModeFunction)分量的叠加，其中，IMF1-IMF5分量的频率依次递减；步骤S22：用核极限学习机KELM(KernelExtremeLearningMachine)分别对步骤S21得到的各个分量进行预测本文档来自技高网...

【技术保护点】
1.一种基于气象预测的输电线路最大载流量概率密度分布评估方法，其特征在于：包括以下步骤：步骤S1：获取选定地区输电线路附近的历史气象数据；所述历史气象数据包括环境温度、风速和日照强度；步骤S2：将历时气象数据分成训练样本和测试样本，所述测试样本用来比较预测精度，所述训练样本用来分析数据规律；采用EMD‑PSO‑KELM对环境温度、风速和日照强度的历史数据进行学习并进行预测，得到多个预测的温度、风速、日照强度；步骤S3：将多个预测的温度、风速、日照强度代入到热平衡方程，得到一系列的输电线路最大载流量数据，并计算出输电线路载流量的概率密度，拟合概率密度分布曲线。

【技术特征摘要】
1.一种基于气象预测的输电线路最大载流量概率密度分布评估方法，其特征在于：包括以下步骤：步骤S1：获取选定地区输电线路附近的历史气象数据；所述历史气象数据包括环境温度、风速和日照强度；步骤S2：将历时气象数据分成训练样本和测试样本，所述测试样本用来比较预测精度，所述训练样本用来分析数据规律；采用EMD-PSO-KELM对环境温度、风速和日照强度的历史数据进行学习并进行预测，得到多个预测的温度、风速、日照强度；步骤S3：将多个预测的温度、风速、日照强度代入到热平衡方程，得到一系列的输电线路最大载流量数据，并计算出输电线路载流量的概率密度，拟合概率密度分布曲线。2.根据权利要求1所述的一种基于气象预测的输电线路最大载流量概率密度分布评估方法，其特征在...

【专利技术属性】
技术研发人员：江岳文，王怀远，温步瀛，林建新，张斌，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35